基于深度学习的页岩孔隙类型自动识别方法

作者：毕飞宇; 肖占山; 张学忠; 张元中; 赵建斌; 方朝强

来源：测井技术, 2022, 46(04): 439-445.

DOI：10.16489/j.issn.1004-1338.2022.04.011

• 测井解释
• 非常规储层
• 数字岩石物理
• 深度学习
• 卷积神经网络
• 孔隙识别

页岩孔隙研究对页岩油甜点预测和储层评价具有重要意义，与常规储层相比，页岩储层的孔隙类型更为多样，孔隙结构更为复杂，纳米尺度的孔隙广泛发育。目前，常规的岩石物理实验在页岩储层参数表征方面遇到困难，难以满足页岩等复杂岩石类型评价的需求。基于多分辨率的数字岩心技术，在数据规则化的基础上，利用高分辨率的数字岩心图像，采用深度学习算法，对页岩储层的孔隙类型进行自动智能识别。该算法识别精度达到0.65(mAP@0.5),极大提升了页岩孔隙类型识别的时效性，为非常规储层孔隙类型的表征提供了新的方法和手段。

• 单位
  中国石油集团测井有限公司; 中国石油天然气集团有限公司; 中国石油大学（北京）