采用带注意力机制3D U-Net网络的地质模型参数化技术
针对卷积神经网络增强的主成分分析技术(CNN-PCA)这种地质模型参数化技术在油藏复杂地质特征刻画精度和泛化能力方面存在的问题,不使用预训练好的C3D视频动作分析模型来提取三维模型风格特征,而使用新的损失函数并引入一种带注意力机制的3DU-Net网络来补全主成分分析方法(PCA)降维过程中丢失的地质模型细节信息,并以一个复合河道砂体油藏为例进行了应用效果分析.研究表明,与CNN-PCA技术相比,采用带注意力机制的3D U-Net网络能够更好地补全PCA降维过程中丢失的地质模型细节信息,在反映原始地质模型的流动特性方面具有更好的效果,并能改善油藏历史拟合的技术效果.
油藏历史拟合、地质模型参数化、深度学习、注意力机制、3D U-Net网络
50
TP392(计算技术、计算机技术)
国家油气重大专项;中国石油天然气股份有限公司科技攻关课题;中国石油天然气股份有限公司科技攻关课题
2023-03-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
167-173