基于改进U-Net卷积神经网络的储层预测

摘要：

传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题.本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络.残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题.最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及"甜点"预测上均能取得较好的效果.

关键词：卷积神经网络、U-Net、深度学习、岩性识别

所属期刊栏目：30

分类号：TP183;P631(自动化基础理论)

资助基金：国家自然科学基金;中央高校基础研究业务费专项基金;中国石油科技创新基金;中国石油科学研究;技术开发项目

在线出版日期：2021-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：403-415