小样本卷积神经网络井震映射反演

• 作者: 安振芳 张建中 张进 邢磊 黄忠来
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 井震联合反演 卷积神经网络 小样本学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 地质与勘探
• 页码范围: 30-38
• 页数: 9页
• 分类号: P618.130.2+1
• 字数: 4120字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-064X.2020.04.005

摘要

针对常规卷积神经网络(Convolutional Neural Networks,CNN)在井少地区因无法获得大量测井数据而易于出现过拟合现象的问题,提出了一种小样本CNN井震映射反演方法.通过网络结构优化设计,选出了最佳的网络层数、卷积核大小、特征图规模和激活函数,并将优选出的最好网络模型应用于实际资料反演.实际应用表明,小样本CNN井震映射反演方法可以防止过拟合、提高泛化能力和反演精度,为精细刻画薄互层油气藏的空间展布提供了一项智能化的新技术.