基于深度学习算法不同数据集的地震反演实验

• 作者: 代月 唐静 徐云贵 黄旭日
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 人工智能 深度学习 卷积神经网络 地震反演 地质建模
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气田人工智能技术与应用专刊
• 页码范围: 16-25
• 页数: 10页
• 分类号: TE132|P631
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2020.06.02.02

摘要

近年来,人工智能中的深度学习技术在地震数据处理、反演和解释领域显示出许多优势.以往的研究表明,深度学习与地震反演相结合的方法比传统方法更有效.利用深度学习技术有可能得到更高分辨率的结果,这对油藏开发至关重要.通过设计地质模型进行采样以获取不同大小数据集,基于卷积神经网络(CNN)研究了不同训练数据集的地震反演应用效果,实验表明,该神经网络的预测精度在一定范围内随训练集的增加而增加,得到了对神经网络模型构建的关键数据集大小占全数据集的比例.此外,通过对地震数据加入不同比例的噪声并对CNN进行训练,结果表明本文所设计的CNN具有良好的抗噪和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄旭日		6	15	2.0	3.0
2	唐静		3	2	1.0	1.0
3	代月		1	0	0.0	0.0
4	徐云贵		1	0	0.0	0.0