典型文献
二维卷积神经网络驱动的砂地比地震预测方法
文献摘要：
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.
文献关键词：
二维卷积神经网络;扇三角洲;少井区;地震多属性;砂地比
中图分类号：
作者姓名：
张宪国;储飞跃;黄德榕;董春梅;刘晓宇
作者机构：
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 266580;中国石油勘探开发研究院,北京 100083;中海油能源发展有限公司工程技术分公司,天津 300450
文献出处：
引用格式：
[1]张宪国;储飞跃;黄德榕;董春梅;刘晓宇-.二维卷积神经网络驱动的砂地比地震预测方法)[J].中国矿业大学学报,2022(06):1128-1137
A类：
少井区
B类：
二维卷积神经网络,砂地比,地震预测,地震属性,属性预测,油田勘探,沉积相,建地,非线性关系,辽河,河东,凹陷,铁匠,地震多属性,扇三角洲,神经网络方法,杂碎,碎屑岩储层,二维图像,高地震,像旋,转对,虚拟样本,样本量,卷积神经网络模型,预测研究,平面分布,支持向量机方法
AB值：
0.258051
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
