基于深度学习算法不同数据集的地震反演实验

作者：黄旭日,代月,徐云贵,唐静

摘要：近年来,人工智能中的深度学习技术在地震数据处理、反演和解释领域显示出许多优势。以往的研究表明,深度学习与地震反演相结合的方法比传统方法更有效。利用深度学习技术有可能得到更高分辨率的结果,这对油藏开发至关重要。通过设计地质模型进行采样以获取不同大小数据集,基于卷积神经网络(CNN)研究了不同训练数据集的地震反演应用效果,实验表明,该神经网络的预测精度在一定范围内随训练集的增加而增加,得到了对神经网络模型构建的关键数据集大小占全数据集的比例。此外,通过对地震数据加入不同比例的噪声并对CNN进行训练,结果表明本文所设计的CNN具有良好的抗噪和泛化能力。

发文机构：西南石油大学地球科学与技术学院

关键词：人工智能深度学习卷积神经网络地震反演地质建模artificial intelligencedeep learningconvolutional neural networkseismic inversiongeological modeling

分类号： TE132[石油与天然气工程—油气勘探]P631[天文地球—地质矿产勘探]