首页|基于小样本数据深度学习的砂体厚度预测方法及应用

基于小样本数据深度学习的砂体厚度预测方法及应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
沾化凹陷渤南洼陷北部Y184井区沙四上亚段储集层为多期扇三角洲沉积,具有单砂体厚度小、横向变化快、砂泥岩互层等特征,无法定量预测,制约了该井区的高效开发.综合利用深度学习和地震属性预测方法,通过构建虚拟井,解决研究区深度学习训练样本不足的问题,从而挖掘出砂体厚度与地震属性之间的非线性关系,建立了利用地震属性预测砂体厚度的网络模型,该方法能够较为准确地预测砂体厚度及其横向展布特征,提高了预测精度,为致密砂岩储集层预测提供了新的思路和方法.
A Sand Body Thickness Prediction Method Based on Deep Learning From Small Sample Data and Its Application

陈雨茂、赵虎、杨宏伟、魏国华、罗平平

展开 >

中国石化 胜利油田分公司 物探研究院,山东 东营 257000

西南石油大学 地球科学与技术学院,成都 610500

地震属性 砂体厚度预测 横向展布 小样本数据 深度学习 网络模型

国家自然科学基金青年科学基金中国石化科技攻关项目中国石化科技攻关项目中国石化科技攻关项目

41704134P20069-1P21038-4P20052-4

2023

10.7657/XJPG20230214

新疆石油地质
新疆石油学会

新疆石油地质

CSTPCDCSCD北大核心
影响因子：0.985
ISSN：1001-3873
年,卷(期)：2023.44(2)
  • 3
  • 16