典型文献
参数优选残差网络下的井震联合反演方法
文献摘要：
声波测井资料在层位标定和储层反演等工作中发挥着重要作用.然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象.为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构.考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达.同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度.在真实地震数据和测井资料上展开实验,并与全连接神经网络(FCNN)和多元回归分析(MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399.将所提Fusion损失用于反演声波测井曲线,相关系数增加了 2.5％,均方根误差减小了 17.4％.
文献关键词：
井震联合反演;声波测井资料;代价敏感损失函数;残差网络;智能反演模型
中图分类号：
作者姓名：
郑杰;文畅;谢凯;盛冠群
作者机构：
长江大学电子信息学院 荆州434023;长江大学计算机科学学院 荆州434023;长江大学西部研究院 克拉玛依市834000;长江大学电工电子国家级实验教学示范中心 荆州434023;油气资源与勘探技术教育部重点实验室 荆州434023;三峡大学计算机与信息学院 宜昌443002
文献出处：
引用格式：
[1]郑杰;文畅;谢凯;盛冠群-.参数优选残差网络下的井震联合反演方法)[J].电子测量技术,2022(12):168-174
A类：
井震联合反演,声波测井资料
B类：
参数优选,残差网络,反演方法,层位标定,储层反演,仪器设备,地质环境,测井曲线,有失,失真,油气藏,勘探,储层预测,传统人工,人工神经网络,出井,强非线性,非线性关系,ResNet,智能反演模型,网络设计,参数选择,模型训练,射表,代价敏感损失函数,Fusion,反演精度,地震数据,全连接神经网络,FCNN,多元回归分析,MLR,结果对比
AB值：
0.268882
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
