基于改进U-Net卷积神经网络的储层预测

• 作者: 陈康 狄贵东 张佳佳 周游 吴尧 张广智
• 来源期刊: CT理论与应用研究
• 关键词: 卷积神经网络 U-Net 深度学习 岩性识别
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 理论与方法|CT Theory
• 页码范围: 403-415
• 页数: 13页
• 分类号: TP183|P631
• 语种: 中文
• DOI: 10.15953/j.1004-4140.2021.30.04.01

摘要

传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题.本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络.残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题.最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及"甜点"预测上均能取得较好的效果.