基于改进U-Net卷积神经网络的储层预测
陈康1
狄贵东1
张佳佳2
周游2
吴尧2
张广智2
1.中国石油西南油气田分公司勘探开发研究院,成都6100412.中国石油大学(华东)地球科学与技术学院,山东青岛 266580;深层油气地质与勘探教育部重点实验室,山东青岛 266580
摘要：传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题.本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络.残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题.最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及"甜点"预测上均能取得较好的效果.
关键词：卷积神经网络U-Net深度学习岩性识别
分类号：TP183(自动化基础理论)P631(天文学、地球科学)
资助基金：国家自然科学基金(42074136)国家自然科学基金(41674130)中央高校基础研究业务费专项基金(18CX02061A)科技创新基金(2016D-5007-0301)中国石油科学研究与技术开发项目(2017D-3504)
论文发表日期：2021-07-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 403-415 )
英文信息