基于卷积神经网络的油气地震储层预测研究

• 作者: 张然 德勒恰提·加娜塔依
• 来源期刊: 计算机仿真
• 学科: 地球科学
• 关键词: 卷积神经网络 油气地震储层 主成分分析 莱特准则 砂厚度 储层厚度
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真服务化
• 页码范围: 471-475
• 页数: 5页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.098

摘要

采用目前方法对油气地震储层进行预测时,没有提取油气地震储层数据的主成分,无法准确地在油气地震储层预测过程中预测砂厚度和储层厚度,导致方法存在泛化能力差的问题.提出基于卷积神经网络的油气地震储层预测方法,在莱特准则的基础上对油气地震储层数据进行取均值与剔除异常值处理,并采用主成分分析方法提取预处理后油气地震储层数据的主成分,在卷积神经网络中输入油气地震储层数据的主成分,实现油气地震储层的预测.仿真结果表明,所提方法在油气地震储层预测过程中预测的砂厚度与储层厚度与实际厚度相符,表明方法在油气地震储层预测过程中的泛化能力较好.