文档名：深度学习算法在三维地震相自动识别中的应用
以深度学习等核心算法的人工智能技术已经在语音识别等多个领域取得了革命性突破,同时在数据量巨大的油气勘探领域也展现出良好应用前景.地震相分析是勘探的重要基础工作,人工识别面临工作量巨大、精度难以保证等困难,如何更快、更高精度地获取地震相特征是研究人员的迫切需求.本文通过将U-Net深度学习算法应用到三维地震相分析中以达到减少人为工作量、提高地震相分析精度的目的,具体流程如下：(1)地震相标签的构建;(2)地震相样本数据和标签数据的优化;(3)地震相预测神经网络构建及网络参数训练;(4)利用训练好的模型刻画地震相的空间分布形态;(5)利用多种敏感地震属性对地震相进行验证及综合预测.本文最终以准噶尔盆地中部4区块侏罗系三工河组(35km*25km)为靶区,开展了基于深度学习算法的地震相自动识别技术的实际应用,地震相分析时间减少到5小时以内,整体吻合率达到75％以上.本文对基于U-net深度学习网络模型开展地震相自动分析开展了有益的探索,并有效提升了地震相分析的效率和精度,为深度学习算法在油气勘探领域的应用和推广提供了可供借鉴的技术思路.
作者：王月蕾王树华于会臻李守济杨国杰时秀朋
作者单位：中国石化胜利油田分公司勘探开发研究院,山东东营257000
母体文献：2020油气田勘探与开发国际会议(IFEDC2020)论文集
会议名称：2020油气田勘探与开发国际会议(IFEDC2020)
会议时间：2020年9月23日
会议地点：成都
主办单位：陕西省石油学会,西安石油大学,成都理工大学
语种：chi
分类号：P31TE1
关键词：油气勘探 地震相 自动分析 深度学习
在线出版日期：2021年3月18日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.03 MB
- 下载次数:
- 60
-
高速下载
|
|
