利用GRU神经网络预测横波速度

• 作者: 刘洋 孙宇航
• 来源期刊: 石油地球物理勘探
• 关键词: 横波速度预测 GRU神经网络 储层参数
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能地球物理
• 页码范围: 484-492,503
• 页数: 10页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.001

摘要

储层参数与横波速度之间存在一定的相关关系,但是这种复杂关系很难得到解析解.为此,构建了GRU(gated recurrent unit)神经网络方法,主要包括神经网络构建、数据预处理、样本训练和数据预测四个部分,通过训练神经网络逼近横波速度与储层参数之间的关系,利用纵波速度、密度和自然伽马等储层参数直接预测横渡速度.采用D区的30口井的测井数据训练和测试神经网络,结果表明:①纵波速度、密度和电阻率对数与横波速度呈较好的正相关关系,自然伽马值、孔隙度与横波速度呈负相关关系.②对于多数井训练、少数井验证,训练数据预测的横波速度与真实值的相对误差和相关系数分别约为3.00％和0.9837,测试数据预测的横波速度与真实值的相对误差和相关系数分别约3.19％和0.9805;对于少数井训练、多数井验证,训练数据预测的横波速度与真实值的相对误差和相关系数分别约为2.49％和0.9867,测试数据预测的横波速度与真实值的相对误差和相关系数分别约3.92％和0.9686.因此所提方法具有较高预测精度和较强泛化能力.