论文摘要
随着油气资源需求的日益增长,对于油气勘探更是要强化技术创新,因此对地震资料需要更高效的处理方法,而计算机性能的提高使得深度学习这一领域迎来了爆发式增长,在地震勘探领域也得到了广泛的发展。深度学习是机器学习的一种方式,其发展经历了两次浪潮,即BP算法及深度学习,下文中提到的应用也多在这两次浪潮中产生。深度学习是一种监督式学习,能够学到数据更高层次的抽象表示,能够自动从数据中提取特征。本文对已有的利用深度学习进行油气勘探的实例总结,探讨了深度学习算法在油气地震数据处理和解释领域中的应用,特别是在测井岩性识别、断层识别、储层预测、地震相识别、地震噪音压制等领域中取得的进展,可以看出深度学习在油气勘探领域具有极高的研究价值和应用潜力。
论文目录
文章来源
类型: 期刊论文
作者: 郭珺,邹鑫,周子康,余新浩,李绍泽
关键词: 油气地震勘探,深度学习,卷积神经网络,测井岩性识别,断层识别,储层预测,地震相识别,地震噪音压制
来源: 中国石油和化工标准与质量 2019年20期
年度: 2019
分类: 工程科技Ⅰ辑,基础科学
专业: 地质学,地球物理学,石油天然气工业,矿业工程
单位: 长江大学地球物理与石油资源学院
分类号: P631.4;P618.13
页码: 86-90
总页数: 5
文件大小: 1966K
下载量: 514
相关论文文献
标签：油气地震勘探论文; 深度学习论文; 卷积神经网络论文; 测井岩性识别论文; 断层识别论文; 储层预测论文; 地震相识别论文; 地震噪音压制论文;