摘要/Abstract

摘要： 储层参数与横波速度存在强非线性关系,难以用解析方程表达.深度学习具有强大的非线性寻解能力,可借助其优势构建横波速度与储层参数的映射关系,实现横波速度预测.前人研究主要采用单任务深度学习方法,输入多种储层参数曲线,只输出横波速度预测成果,这种方式存在一定的过拟合风险.为此,考虑到横波速度预测与其他测井评价任务的相关性与继承性,在横波预测模型训练之前首先开展岩性预测模型训练,利用权值共享的思想构建多任务学习模型,同时输出岩性预测成果和横波速度曲线.实践表明,相比多元拟合方法及单任务深度学习方法,该方法生成的岩石物理交会图在岩性分布上更为合理,不同岩性的横波速度预测精度都得到提升,其中含气砂岩段速度预测相对误差降低2%以上,证实了该方法具有较好的实用价值.


PDF全文下载地址:

http://www.progeophys.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=9938