基于深度学习的页岩孔隙类型自动识别方法

• 作者: 毕飞宇 肖占山 张学忠 张元中 赵建斌 方朝强
• 来源期刊: 测井技术
• 关键词: 测井解释 非常规储层 数字岩石物理 深度学习 卷积神经网络 孔隙识别
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 解释评价
• 页码范围: 439-445
• 页数: 6页
• 分类号: P631.84
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2022.04.011

摘要

页岩孔隙研究对页岩油甜点预测和储层评价具有重要意义,与常规储层相比,页岩储层的孔隙类型更为多样,孔隙结构更为复杂,纳米尺度的孔隙广泛发育。目前,常规的岩石物理实验在页岩储层参数表征方面遇到困难,难以满足页岩等复杂岩石类型评价的需求。基于多分辨率的数字岩心技术,在数据规则化的基础上,利用高分辨率的数字岩心图像,采用深度学习算法,对页岩储层的孔隙类型进行自动智能识别。该算法识别精度达到0.65(mAP@0.5),极大提升了页岩孔隙类型识别的时效性,为非常规储层孔隙类型的表征提供了新的方法和手段。