二维卷积神经网络驱动的砂地比地震预测方法
张宪国1
储飞跃1
黄德榕2
董春梅1
刘晓宇3
1.山东省深层油气重点实验室,山东青岛 266580;中国石油大学(华东)地球科学与技术学院,山东青岛 2665802.中国石油勘探开发研究院,北京 1000833.中海油能源发展有限公司工程技术分公司,天津 300450
摘要：地震属性预测砂地比是油田勘探中沉积相研究的重要方法,但是缺乏有效的方法构建地震属性与砂地比之间的非线性关系,且少井区样本不足,制约了预测精度和可靠性.本文以辽河东部凹陷铁匠炉地区为例,探索少井区地震多属性预测扇三角洲砂地比分布的方法,提出用聚类分析优选地震属性,采用二维卷积神经网络方法可以有效地对少井区井震联合的复杂碎屑岩储层砂地比进行预测.研究结果表明:地震属性二维图像取值可以提高地震属性取值可靠性,通过图像旋转对称获取虚拟样本将样本量扩充为8倍,构建二维卷积神经网络模型,预测研究区砂地比平面分布,采用二维卷积神经网络方法与BP神经网络、支持向量机方法进行对照,预测精度有了显著提高,可达92.4％,有效解决了少井区样本量不足的问题.
关键词：二维卷积神经网络扇三角洲少井区地震多属性砂地比
分类号：P631(天文学、地球科学)
资助基金：国家自然科学基金(42172144)国家科技重大专项(2017ZX05009001)
论文发表日期：2022-11-30
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：10( 1128-1137 )
英文信息