基于深度学习的储层物性参数预测方法研究

作者：郑宇哲; 叶朝辉; 刘西恩; 赵龙

来源：电子世界, 2018, (04): 23-26.

DOI：10.19353/j.cnki.dzsj.2018.04.005

• 测井解释
• 深度学习
• 储层物性参数预测

传统的测井解释方法在当今存在一些弊端导致效率不高。本次研究选用已采集的测井数据,使用BP神经网络对其进行储层物性参数预测。训练前的准备包括特征选取、测井数据聚类预处理、确定样本集容量。训练方法上采取了先使用RBM逐层无监督预训练,再使用小批次梯度下降法有监督调优的策略,并引入了"早停止"准则防止过拟合。最终在全井段上对孔隙度进行了预测,得到的结果和测井数据的相关系数达到0.9788。研究结果证明使用深度学习方法进行储层物性参数预测与传统方法相比具有一定优势,在实际生产中有推广应用的价值。

• 单位
  中海油田服务股份有限公司; 清华大学