基于多任务学习的测井储层参数预测方法

• 作者: 邵蓉波 肖立志 廖广志 史燕青 周军 李国军 侯学理
• 来源期刊: 地球物理学报
• 学科: 地球科学
• 关键词: 机器学习 多任务学习 神经网络 地球物理测井 储层参数 预测
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 应用地球物理学|Applied geophysics
• 页码范围: 1883-1895
• 页数: 13页
• 分类号: P631
• 语种: 中文
• DOI: 10.6038/cjg2022P0177

摘要

基于多任务神经网络模型,提出一种多任务测井储层参数预测方法,利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测,通过数值实验对比,多任务预测模型有效提升了单任务储层参数预测模型的效果,且提升幅度与模型结构有关,异架构多任务模型的总体预测效果好于同架构多任务模型.以平均相对误差(MAPE)作为模型评价标准,针对本研究所采用的数据集,同架构多任务模型的孔隙度、渗透率和含水饱和度在测试集上的MAPE约为6％、17％和9％,相较于单任务模型,预测效果分别提升约30％、20％和10％.异架构多任务模型的孔隙度、渗透率和含水饱和度,在测试集上的MAPE约为6％、13％和6％,相较于单任务模型分别提升超过2％、60％和10％.