卷积神经网络在AVA反演应用中影响因素研究
Research on influencing factors of deep learning in AVA inversion application
李振春 1孙加星 1杨继东 1黄建平 1于由财 1徐洁1
作者信息
- 1. 深层油气全国重点实验室(中国石油大学(华东)),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
- 折叠
摘要
从基于卷积神经网络开展AVA(振幅随入射角变化)反演问题出发,建立网络训练所需的数据集,分析不同超参数调整对预测结果的影响,确定这些超参数的最佳设置值,并总结超参数调整规律.最后通过对比 3 种不同卷积神经网络模型的预测结果,寻找出适用于叠前参数反演问题的最佳网络.最终形成一套完备的基于叠前角度域道集数据应用卷积神经网络进行弹性参数预测工作流程.结果表明,基于本文构建的训练数据集,选取的卷积神经网络结构以及设置的超参数组合预测得到的弹性参数结果具有较高的精度.
Abstract
Starting from the AVA(amplitude-versus-angle)inversion based on convolutional neural networks(CNNs),by generating extensive datasets for network training,we analyze the effects of different hyperparameters on prediction outcomes,identify the optimal settings,and establish guidelines for hyperparameter adjustment.By comparing the prediction perform-ance of three distinct CNN models,we identify the optimal network architecture for prestack parameter inversion,and propose a workflow for elastic parameter prediction using CNN applied to pre-stack angle-domain gathers.Numerical examples dem-onstrate that the prediction accuracy of elastic parameters is the highest when using the constructed training data set,the se-lected CNN architecture,and the optimized hyperparameters.
关键词
叠前反演/训练数据集/超参数设置/卷积神经网络Key words
prestack inversion/training data set/hyperparameter tuning/convolutional neural network引用本文复制引用
基金项目
中石油重大科技合作项目(ZD2019-183-003)
国家自然科学基金项目(41774133)
国家自然科学基金项目(42074133)
国家重点研发计划(2019YFC0605503C)
"十四五"重大项目(2021QNLM020001)
优秀青年科学基金项目(41922028)
国家创新群体项目(41821002)
出版年
2024
国家科技期刊平台
NSTL
万方数据