10.3969/j.issn.1673-064X.2020.04.005
小样本卷积神经网络井震映射反演
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.
井震联合反演、卷积神经网络、小样本学习
35
P618.130.2+1(矿床学)
国家重点研发计划项目2017YFC0307401
2020-07-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
30-38