文献类型：期刊文章

作　　者：付超[1,2] 林年添[1,2] 张栋[3] 文博[4] 魏乾乾[5] 张凯[1]

机构地区：[1]山东省沉积成矿作用与沉积矿产重点实验室山东科技大学地球科学与工程学院,山东青岛266590 [2]海洋国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛266071 [3]海底科学与探测技术教育部重点实验室中国海洋大学地球科学学院,山东青岛266100 [4]山东科瑞机械制造有限公司,山东东营257000 [5]山东省煤田地质局,济南250104

出　　处：《地球物理学报》

基　　金：国家高技术研究发展计划(863)项目(2013AA064201;2012AA061202);国家自然科学基金项目(41174098;41374126)联合资助

年　　份：2018

卷　　号：61

期　　号：1

起止页码：293-303

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、GEOBASE、GEOREFPREVIEWDATABASE、IC、JST、PA、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：有机并有效利用纵波与转换横波在油气储层敏感度上存在的差异,有助于突出地震油气储层特征,有助于提高地震油气储层分布边界刻画的精度.基于此,本文设计了一种卷积神经网络与支持向量机方法相结合的多波地震油气储层分布预测的深度学习法(Deep Learning Method).首先,利用莱特准则剔除所生成的多波地震属性中可能存在的异常值降低网络变体数量.然后,通过能突出多波地震油气储层特征的聚类算法和无监督学习算法构建隐藏层,用于增加网络共享,提取油气特征.最后,将增加网络罚值后的井点样本作为支持向量机预测的输入样本,以降采样后的C3卷积层属性作为学习集,进行从已知到未知的地震油气储层的预测.本方案应用于HG地区晚三叠统HGR组的碳酸盐岩油气储层预测,所预测的地震油气储层边界更加清晰,预测结果与实际情况基本吻合.应用结果表明:本论文方案不仅具有可行性,且具有有效性.

关 键 词：多波地震 卷积神经网络 支持向量机 深度学习  油气储层预测

分 类 号：P631]