二维卷积神经网络驱动的砂地比地震预测方法
地震属性预测砂地比是油田勘探中沉积相研究的重要方法,但是缺乏有效的方法构建地震属性与砂地比之间的非线性关系,且少井区样本不足,制约了预测精度和可靠性.本文以辽河东部凹陷铁匠炉地区为例,探索少井区地震多属性预测扇三角洲砂地比分布的方法,提出用聚类分析优选地震属性,采用二维卷积神经网络方法可以有效地对少井区井震联合的复杂碎屑岩储层砂地比进行预测.研究结果表明:地震属性二维图像取值可以提高地震属性取值可靠性,通过图像旋转对称获取虚拟样本将样本量扩充为8倍,构建二维卷积神经网络模型,预测研究区砂地比平面分布,采用二维卷积神经网络方法与BP神经网络、支持向量机方法进行对照,预测精度有了显著提高,可达92.4%,有效解决了少井区样本量不足的问题.
二维卷积神经网络、扇三角洲、少井区、地震多属性、砂地比
51
P631
国家自然科学基金;国家科技重大专项
2023-03-01(万方平台首次上网日期,不代表论文的发表时间)
共10页
1128-1137