深度学习在煤层气测井解释中的应用研究

• 作者: 向旻 安然 张峰玮 齐兴华
• 来源期刊: 地质与勘探
• 学科: 地球科学
• 关键词: 深度学习 煤层气测井 煤层识别 含气量
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气资源
• 页码范围: 1305-1312
• 页数: 8页
• 分类号: P631.8+4
• 语种: 中文
• DOI: 10.12134/j.dzykt.2020.06.020

摘要

将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣.为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测.实验结果表明:首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90％以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法.深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值.