深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例

• 作者: 杨久强 林年添 张凯 田高鹏 崔岩
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 多波地震数据 深度神经网络 超参数选取 模型评价 特征提取 油气藏分布预测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能(AI)专题|Artificial Intelligence
• 页码范围: 236-244,320
• 页数: 10页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2022.02.005

摘要

深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测.经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少深度神经网络超参数的选取对地震油气藏分布预测结果影响的系统性研究.为此,在分析深度神经网络隐含层数目、隐含层节点数及激活函数的基础上,探讨了深度神经网络模型超参数选取对含油气性多波地震响应特征提取结果的影响,并利用多种评价指标对不同网络结构模型的性能进行了对比.结果表明,深度神经网络隐含层数目等超参数的选取会影响地震油气藏分布范围的预测精度;同时,深度神经网络在参数选取满足精度要求(即均方误差MSE小于0.001)的情况下,可以取得良好的预测结果,从而验证了深度神经网络用于含油气性多波地震响应特征提取的有效性和可行性.