基于卷积神经网络算法的自动地层对比实验.PDFVIP

石油科学通报 2019 年3 月 第4 卷第 1 期：1-10 基于卷积神经网络算法的自动地层对比实验 1* 1 2 2 3 3 2 徐朝晖 ，刘钰铭 ，周新茂 ，何辉 ，张波 ，吴昊 ，高建 1 中国石油大学( 北京) 地球科学学院北京 102249 2 中国石油勘探开发研究院北京 100083 3 阿拉巴马大学地球科学系塔斯卡卢萨美国 35487 * 通信作者, xuzhaohui@ 收稿日期: 2019-01-11 国家科技重大专项课题(2017ZX05009-001、2016ZX05014-002、2016ZX05010-001) 资助 摘要 深度学习善于从原始数据输入中挖掘其内在的抽象特征，十余年来，其在语音识别、语义分析、图像分 析等领域取得了巨大成功，也大大推动了人工智能的发展。本文基于深度学习中广泛应用的卷积神经网络算法， 以大庆油田某区块密井网数据为对象，开展自动地层对比试验。实验中，随机选取部分井作为训练样本，对另 一部分井分层进行预测，并与原始分层数据比对进行误差分析。按照训练样本的井数据比例65%、40%、20% 和10%，将实验分为4 组，每组实验包括油层组、砂层组和小层级3 个相互独立的实验。12 个实验结果表明： 训练量越大，地层级别越高( 厚度越厚) ，自动对比效果越好；20%的训练量就可以较可靠地进行砂组及以上级 别地层单元( 厚度不小于10 m) 的自动对比。该实验表明卷积神经网络算法能有效应用于依据测井曲线进行油藏 规模地层自动对比，具有良好的发展前景。 关键词 地层自动对比；深度学习；卷积神经网络；训练与预测 An experiment in automatic stratigraphic correlation using convolution- al neural networks 1 1 2 2 3 3 2 XU Zhaohui , LIU Yuming , ZHOU Xinmao , HE Hui , ZHANG Bo , WU Hao , GAO Jian 1 College of Geosciences, China University of Petroleum-Beijing, Beijing 102249 2 Research Institute of Petroleum Exploration and Development, CNPC, Beijing 10083 3 Department of Geoscience, University of Alabama, Tuscaloosa, USA 35487 Abstract Deep learning is good at extracting the inherent abstract features from input data. It has achieved great success in speech recognition, semantic analysis, image analysis and other fields in the past ten years, which has greatly promoted the devel- opment of artificial intelligence. Based on the convolutional neural networks algorithm widely used in deep learning, this paper carries out well auto-correlation experiments which take a block of Daqing Oilfield as the object. In the experiments, some wells were randomly selected as training samples and the other wells were used as tested samples to predict the welltops. The predicted welltops were compared with the original welltops for error analysis.