论文摘要
弹性阻抗反演是主要的储层参数预测方法之一。入射角范围有限和低地震资料质量等原因,会导致密度反演的准确率较低。此外,纵横波速度比在速度峰值处的反演稳定性较差,也不能直接反演孔隙度等储层物性参数。目前通过常规的弹性阻抗反演等方法无法有效解决上述问题。本文将深度学习技术与弹性阻抗反演技术相结合,基于全连接深度神经网络建立起三个角度弹性阻抗与弹性、物性储层参数之间的非线性映射关系,测井数据的密度、纵横波速度比预测的均方根误差均降低10%以上。并以弹性阻抗搭建起测井、地震数据之间的桥梁,通过标准化等数据处理技术,最终得到密度、纵横波速度比和孔隙度的三维预测结果。
论文目录
文章来源
类型: 期刊论文
作者: 安鹏,高健祎,曹丹平,牛洪彬,吴凡
关键词: 深度学习,地震反演,深海勘探,储层参数预测
来源: 海洋工程装备与技术 2019年S1期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑
专业: 地质学,地球物理学,石油天然气工业,矿业工程
单位: 中国海洋石油集团有限公司信息技术中心,中国石油大学(华东)地球科学与技术学院,中海油能源发展股份有限公司工程技术分公司
分类号: P631.4;P618.13
页码: 255-260
总页数: 6
文件大小: 1596K
下载量: 225