基于多层感知机网络的薄储层预测

发布时间：2021-06-05 19:51

　　相比地震反演方法和技术,基于多属性回归方法的储层预测技术能够缓解分辨率有限、过于模型化等问题,但模型泛化能力不足常造成井间薄储层预测结果不合理。为此,提出基于多层感知机深度学习网络的多属性回归薄储层预测方法,即以地震数据（提供背景信息）、90°相移数据（提供储层结构近似信息）、储层不连续界限属性（提供储层空间分布信息）为输入,以井点高频自然伽马为期望输出,利用多层感知机深度学习网络训练模型,预测井间自然伽马值,利用自然伽马值与砂—泥岩性的高度相关特性刻画薄储层。A油田实际资料测试表明,自然伽马预测值与真实值平均相关系数达到86.4%（训练集,10口井）和85.5%（验证集,两口井）,明显优于传统多属性回归方法。应用该方法解释重点层段6套小层,薄储层预测结果与156口井实钻砂岩厚度平均相关系数较相移数据提升约38%,证实该方法应用效果良好。 

【文章来源】：石油地球物理勘探. 2020,55(06)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

经典神经网络结构

图2示意了一种多层感知机网络结构,输入层为3分量,输出层为1分量,具有4层隐含层,每层包含4个神经元。f(x)代表激活函数,可以为Sigmoid、Tanh或者ReLu函数中的一种,其表达式及函数形态如图3所示。激活函数的作用是向学习网络中引入非线性运算,使网络能够逼近任何非线性函数,大幅度提升模型泛化能力。目前使用最广泛的是ReLu激活函数,相比于Sigmoid、Tanh函数,避免了“梯度消失”缺陷,即x取值很大以后,y对x的增大不再敏感。图3 Tanh(上)、Sigmoid(中)、ReLu(下)三种激活函数的解析表达式及其形态

Tanh(上)、Sigmoid(中)、ReLu(下)三种激活函数的解析表达式及其形态

【参考文献】：
期刊论文
[1]一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 王延光,李皓,李国发,刘立彬,曹国明,张会卿.  石油地球物理勘探. 2020(01)
[2]多属性储层参数反演方法在M油田中的应用[J]. 张晶玉,范廷恩,王宗俊,袁野.  油气藏评价与开发. 2019(01)
[3]基于深度学习的地震岩相反演方法[J]. 刘力辉,陆蓉,杨文魁.  石油物探. 2019(01)
[4]基于深度学习卷积神经网络的地震数据随机噪声去除[J]. 韩卫雪,周亚同,池越.  石油物探. 2018(06)
[5]地震多属性孔隙因子参数反演及其在伊拉克M油田碳酸盐岩储层预测中的应用[J]. 张显文,曹树春,聂妍,赵卫平,段晓梦,杨喜彦.  石油物探. 2018(05)
[6]优质烃源岩识别及其多属性反演技术定量评价——以渤海海域辽东南洼陷为例[J]. 蔡冬梅,赵弟江,彭靖松,付立,曾金昌,程耀清.  石油地球物理勘探. 2018(02)
[7]地震波形指示反演薄储层预测技术及其应用[J]. 高君,毕建军,赵海山,付志方.  地球物理学进展. 2017(01)
[8]地质统计学反演技术在超薄储层预测中的应用[J]. 沈洪涛,郭乃川,秦童,于茜,王伟.  地球物理学进展. 2017(01)
[9]地质统计学反演在薄砂体储层预测中的应用[J]. 张义,尹艳树,秦志勇.  断块油气田. 2015(05)
[10]地质统计学反演技术在薄储层预测中的应用[J]. 王香文,刘红,滕彬彬,王连雨.  石油与天然气地质. 2012(05)

博士论文
[1]点坝砂体储层内部不连续界线类型及预测方法研究[D]. 范廷恩.西南石油大学 2016



本文编号：3212799