ncdc logo title
元数据
名   称 深度学习网络储层分类计算程序和数据等
科技资源标识 CSTR:11738.11.NCDC.XDA14.DB4196.2024
数据共享方式 开放下载
摘   要 随着碳酸盐岩油气藏勘探的不断深入,利用地震数据寻找有利储层的发育范围,成为油气勘探的一项重要内容。但地下介质参数复杂,尤其是深层碳酸盐岩储层预测难度较大,利用深度神经网络的强非线性能力,有望解决该储层预测难题。
基于深度学习的储层分类技术,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。
该成果可为深层碳酸盐岩储层分类提供可靠的技术方法,建立弹性参数与储层类别之间的关系,为深层油气勘探和储量评估提供重要信息。
学科分类
关键词
作者
数据量 3.9 GiB
采集时间 2017-01-01  -  2023-01-01
采集地点 塔里木盆地跃进地区
数据空间分辨率(/米) 25.0
数据内容信息

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

数据源描述

由地震数据AVO反演得到的弹性参数数据体、测井数据

数据加工方法

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。

数据质量描述

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。

引用和标注
数据引用
. 深度学习网络储层分类计算程序和数据等. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2024. https://cstr.cn/CSTR:11738.11.NCDC.XDA14.DB4196.2024.
许可协议
知识共享许可协议   本作品采用 知识共享署名 4.0 国际许可协议进行许可。

项目信息 详情