基于深度学习的页岩孔隙类型自动识别方法

摘要：

页岩孔隙研究对页岩油甜点预测和储层评价具有重要意义,与常规储层相比,页岩储层的孔隙类型更为多样,孔隙结构更为复杂,纳米尺度的孔隙广泛发育.目前,常规的岩石物理实验在页岩储层参数表征方面遇到困难,难以满足页岩等复杂岩石类型评价的需求.基于多分辨率的数字岩心技术,在数据规则化的基础上,利用高分辨率的数字岩心图像,采用深度学习算法,对页岩储层的孔隙类型进行自动智能识别.该算法识别精度达到0.65(mA P@0.5),极大提升了页岩孔隙类型识别的时效性,为非常规储层孔隙类型的表征提供了新的方法和手段.

关键词：测井解释、非常规储层、数字岩石物理、深度学习、卷积神经网络、孔隙识别

所属期刊栏目：46

分类号：P631.84

资助基金：中国石油天然气集团有限公司科学研究与技术开发项目2021DJ4003

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：439-445