深度学习网络储层分类预测计算程序 深度学习网络储层分类准确性评价 塔里木盆地跃进工区深度学习网络储层分类三维数据体 塔里木盆地跃进工区深度学习网络储层分类不确定性三维数据体
由地震数据AVO反演得到的弹性参数数据体、测井数据
利用全连接网络建立弹性参数和储层类别之间的映射关系,输入为纵波速度和密度,输出层有3个节点,分别对应Ⅰ、Ⅱ、Ⅲ类储层的概率,网络由8个隐层组成,每个隐层有50个节点,网络中的损失函数采用交叉熵。利用测井数据中的弹性参数和解释好的储层类别作为样本标签数据进行网络模型训练,训练过程中保存分类准确率最高的网络模型作为最终的储层分类模型。将弹性参数输入训练好的网络模型,得到储层分类结果。
由于该工区的目标储层为Ⅰ类和Ⅱ类储层,而Ⅰ类储层很少,此处主要关注Ⅱ类储层的划分。训练好的储层分类模型在16口实测井上的Ⅱ类储层划分的F-score为0.8963;整个工区的储层分类结果上,Ⅱ类储层大致沿着三个北东向的断溶带分布,与该工区的地质概况吻合,表明了该项技术的有效性和反演结果的可靠性。
© 中国科学院西北生态环境资源研究院 2005- 备案号:陇ICP备2021001824号-21
兰州市东岗西路320号 730000 电话:0931-4967592, 0931-4967596