文献类型：期刊文章

作　　者：林年添[1,3] 张栋[2] 张凯[1] 王守进[4] 付超[5] 张建彬[6] 张冲[1]

LIN NianTian;ZHANG Dong;ZHANG Kai;WANG ShouJin;FU Chao;ZHANG JianBin;ZHANG Chong(College of Geological Sciences&Engineering,Shandong University of Science and Technology,Shandong Qingdao 266590,China;Key Lab of Submarine Geosciences and Prospecting Techniques,MOE and College of Marine Geosciences,Ocean University of China,Shandong Qingdao 266100,China;Laboratory for Marine Mineral Resources,Qingdao National Laboratory for Marine Science and Technology,Shandong Qingdao 266071,China;Institute of Geophysical Prospecting,SINOPEC Research Institute of Petroleum Exploration and Development,Nanjing 211103,China;Geotechnical and Structural Engineering Research Center,Shandong University,Jinan 250061,China;The Shandong Zhengyuan Construction Engineering,Shandong Weifang 261000,China)

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]海底科学与探测技术教育部重点实验室,中国海洋大学海洋地球科学学院,山东青岛266100 [3]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 [4]中国石化石油物探技术研究院,南京211103 [5]山东大学岩土与结构工程研究中心,济南250061 [6]山东正元建设工程有限责任公司潍坊分公司,山东潍坊261000

出　　处：《地球物理学报》

基　　金：国家科技发展计划863项目(2013AA064201,2012AA061202);国家自然科学基金项目(41174098)联合资助.

年　　份：2018

卷　　号：61

期　　号：10

起止页码：4110-4125

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：地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径.

关 键 词：人工智能  深度学习  卷积神经网络  卷积核 地震数据驱动  油气藏识别

分 类 号：P631]