基于双向循环神经网络的河流相储层预测方法及应用

发布时间：2022-07-08 16:28

　　河流相储层通常具有横向变化快、地震反射特征多解性强的特点,因而河流相储层地震预测难度大。将测井信息与地震多属性相结合实现河流相储层地震预测,传统的方法包括多元线性回归方法、地质统计学方法和BP神经网络等。人工智能深度学习方法为井震信息的融合提供了新的解决思路。通过构建井震学习样本,提出了一种基于双向循环神经网络的井震融合储层预测方法。从储层沉积连续性角度,将地震数据看成具有纵向联系的时序数据,以CD地区100余口井馆上段地层的储层和非储层为学习样本,构建双向循环神经网络储层预测方法,通过训练优选超参数建立井震融合的深度学习储层预测模型。该预测模型应用于CD地区河流相储层预测的效果显著,细小河道形态清楚,预测精度高,有效指导了CD地区的勘探部署。 

【文章页数】：8 页

【文章目录】：
1 双向循环神经网络的构建
    1.1 循环神经网络结构
    1.2 双向循环神经网络结构
2 样本构成及网络模型训练
    2.1 样本数据准备
    2.2 数据预处理
    2.3 超参数和优化方法选择
    2.4 模型训练
3 模型应用
4 结论


【参考文献】：
期刊论文
[1]基于深度学习的地震岩相反演方法[J]. 刘力辉,陆蓉,杨文魁.  石油物探. 2019(01)
[2]基于深度学习卷积神经网络的地震数据随机噪声去除[J]. 韩卫雪,周亚同,池越.  石油物探. 2018(06)
[3]地震油气储层的小样本卷积神经网络学习与预测[J]. 林年添,张栋,张凯,王守进,付超,张建彬,张冲.  地球物理学报. 2018(10)
[4]地震多属性孔隙因子参数反演及其在伊拉克M油田碳酸盐岩储层预测中的应用[J]. 张显文,曹树春,聂妍,赵卫平,段晓梦,杨喜彦.  石油物探. 2018(05)
[5]基于支持向量机的交互检验储层预测[J]. 张向君,张晔.  石油物探. 2018(04)
[6]无监督与监督学习下的含油气储层预测[J]. 林年添,付超,张栋,金兴,张凯,文博,魏乾乾,张冲.  石油物探. 2018(04)
[7]基于深度学习的测井岩性识别方法研究与应用[J]. 安鹏,曹丹平.  地球物理学进展. 2018(03)
[8]多波地震深度学习的油气储层分布预测案例[J]. 付超,林年添,张栋,文博,魏乾乾,张凯.  地球物理学报. 2018 (01)
[9]多属性分析及断裂识别技术在酒泉盆地油气勘探中的应用[J]. 孙成田,赵伟,雷福平,朱俊杰,肖文华,魏浩元.  石油地球物理勘探. 2017(S2)
[10]卷积神经网络在储层预测中的应用研究[J]. 段友祥,李根田,孙歧峰.  通信学报. 2016(S1)



本文编号：3657360