基于改进U-Net卷积神经网络的储层预测

作者：陈康; 狄贵东; 张佳佳^*; 周游; 吴尧; 张广智

来源：CT理论与应用研究, 2021, 30(04): 403-415.

DOI：10.15953/j.1004-4140.2021.30.04.01

• 卷积神经网络
• U-Net
• 深度学习
• 岩性识别

传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题。本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络。残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题。最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及"甜点"预测上均能取得较好的效果。

• 单位
  中国石油西南油气田分公司; 中国石油大学（华东）