基于深度学习的地震岩相反演方法

论文摘要

复杂岩性预测是地震储层预测的难题,基于机器学习的非线性反演是识别岩性的有效手段。常规方法多以测井特征曲线(伽马曲线等)为学习目标,利用BP神经网络建立非线性映射预测岩性体,但这种方法存在两个问题,一是井震分辨率不匹配,二是BP神经网络在反演过程中存在局部收敛、效果不稳定以及非线性表征能力弱的问题。为解决这些问题,一是通过引入地震岩相概念解决井震分辨率不匹配问题,二是将深度学习引入到地震岩相反演中,经过优化样本采样、抽取相控伪井解决大样本集的构建问题,采用增量学习的策略进一步提高预测模型的精度和稳定性。以分频地震数据作为预测模型的输入,井岩相曲线为反演目标,实现了基于深度学习的地震岩相反演,有效解决了复杂岩性预测的难题。将该方法应用于海上某深水陆坡水道沉积研究区(该区发育灰岩、钙质砂岩、砂岩和泥岩4种岩相,岩石物理规律复杂,区分困难)岩性预测,结果表明,基于深度学习的地震岩相反演结果与井资料吻合,与地质认识相符。与叠前反演方法和BP神经网络学习岩相反演方法相比,基于深度学习的地震岩相反演方法准确度和分辨率更高,证明该方法是复杂岩性预测的有效手段。

论文目录

• 1 BP与深度学习
• 2 深度学习计算地震岩相方法
•   2.1 流程
•   2.2 构建样本集
•     2.2.1 以井及岩相为分组的均匀采样方式提取样本集
•     2.2.2 相控伪井抽取样本集
•   2.3 增量学习策略
• 3 应用效果
• 4 结论

文章来源

类型: 期刊论文

作者: 刘力辉,陆蓉,杨文魁

关键词: 深度学习,增量学习,相控伪井,优化样本采样,分频,地震岩相,复杂岩性预测

来源: 石油物探 2019年01期

年度: 2019

分类: 基础科学

专业: 地质学,地球物理学

单位: 北京诺克斯达石油科技有限公司

分类号: P631.4

页码: 123-129

总页数: 7

文件大小: 3871K

下载量: 518