小样本卷积神经网络井震映射反演

摘要：

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.

关键词：井震联合反演、卷积神经网络、小样本学习

所属期刊栏目：35

分类号：P618.130.2+1(矿床学)

资助基金：国家重点研发计划项目2017YFC0307401

在线出版日期：2020-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：30-38