CNN在地震盐体识别中优势与应用研究.pdfVIP

table{border‑collapse:

合并;

}

table,

th,

td

{

border:

1px

实线

#000;

}

为什么使用CNN进行解释？

一项研究Haibin

Di,

Zhen

Wang,

and

Ghassan

AlRegib

能源与地球处理

(CeGP)，佐治亚理工学院

三维

解释在储层的稳健油气勘探与开发中起着关键作用。然而，随着3D勘

探规模的急剧增长，手动解释体变得更具性。近年来，和机器学习技术

已成功应用于多个学科，这大大促进了其在领域的应用，通过模拟经验丰富的解释人

员的智能，协助完成包括岩相分析和结构检测（如断层和盐丘）在内的多种解释任务。

在本研究中，我们首先将两种最流行的神经网络框架——多层感知器（MLP）网络和卷积

神经网络（CNN）——应用于盐体勾画问题，并比较其性能。然后，我们探讨了两个

因素