小样本卷积神经网络井震映射反演

发布时间：2023-12-24 10:24

　　针对常规卷积神经网络(Convolutional Neural Networks,CNN)在井少地区因无法获得大量测井数据而易于出现过拟合现象的问题,提出了一种小样本CNN井震映射反演方法。通过网络结构优化设计,选出了最佳的网络层数、卷积核大小、特征图规模和激活函数,并将优选出的最好网络模型应用于实际资料反演。实际应用表明,小样本CNN井震映射反演方法可以防止过拟合、提高泛化能力和反演精度,为精细刻画薄互层油气藏的空间展布提供了一项智能化的新技术。

【文章页数】：9 页

【文章目录】：
引 言
1 方法原理
2 网络结构优化设计
    2.1 网络层数比较
    2.2 卷积核大小比较
    2.3 特征图规模比较
    2.4 激活函数比较
3 实例应用
    3.1 数据预处理
    3.2 模型训练与外推反演
4 结 论



本文编号：3874321