基于一维卷积神经网络的横波速度预测

• 作者: 马乔雨 张欣 张春雷 周恒 武中原
• 来源期刊: 岩性油气藏
• 关键词: 横波速度 测井参数 碎屑岩储层 一维卷积神经网络 深度学习 苏里格气田
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 勘探技术|EXPLORATION TECHNOLOGY
• 页码范围: 111-120
• 页数: 10页
• 分类号: P631.4
• 语种: 中文
• DOI: 10.12108/yxyqc.20210412

摘要

纵横波速度是地球物理勘探中识别储层岩性、物性和储层等目标极其重要的信息,由于采集技术与成本投入的限制,横波速度资料通常较为缺乏,横波速度预测便成为岩石物理分析中亟需解决的重要问题.传统上基于理论方法和经验公式的横波速度转换方法局限性较大,常规的点对点的机器学习方法无法有效表达测井参数的空间特征,对横波速度与其它测井参数之间的内在关系的表征不够充分.为此,开展了基于一维卷积神经网络(1D-CNN)模型的横波速度预测方法研究,基于声波时差、密度、自然伽马和电阻率等16种测井参数建立深度学习回归模型,通过不同尺度卷积提取测井参数在测井深度空间上的结构性特征,并采用多层网络结构,学习横波参数与测井参数深度特征之间的关系,从而建立更为精确的预测模型.通过在苏里格气田上古生界碎屑岩储层的实际应用,验证了一维卷积神经网络模型的横波速度预测精度较高,且具有良好的泛化性.