基于多层感知机网络的薄储层预测

• 作者: 杜昕 聂妍 范廷恩 范洪军 董建华 郭泊洋
• 来源期刊: 石油地球物理勘探
• 关键词: 薄层预测 多层感知机 深度学习 多属性回归
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能地球物理
• 页码范围: 1178-1187
• 页数: 10页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.06.002

摘要

相比地震反演方法和技术,基于多属性回归方法的储层预测技术能够缓解分辨率有限、过于模型化等问题,但模型泛化能力不足常造成井间薄储层预测结果不合理.为此,提出基于多层感知机深度学习网络的多属性回归薄储层预测方法,即以地震数据(提供背景信息)、90°相移数据(提供储层结构近似信息)、储层不连续界限属性(提供储层空间分布信息)为输入,以井点高频自然伽马为期望输出,利用多层感知机深度学习网络训练模型,预测井间自然伽马值,利用自然伽马值与砂—泥岩性的高度相关特性刻画薄储层.A油田实际资料测试表明,自然伽马预测值与真实值平均相关系数达到86.4％(训练集,10口井)和85.5％(验证集,两口井),明显优于传统多属性回归方法.应用该方法解释重点层段6套小层,薄储层预测结果与156口井实钻砂岩厚度平均相关系数较相移数据提升约38％,证实该方法应用效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范洪军		6	65	4.0	6.0
2	杜昕		1	0	0.0	0.0
3	范廷恩		2	0	0.0	0.0
4	董建华		2	110	1.0	2.0
5	聂妍		1	0	0.0	0.0
6	郭泊洋		1	0	0.0	0.0