基于一维卷积神经网络的横波速度预测

纵横波速度是地球物理勘探中识别储层岩性、物性和储层等目标极其重要的信息,由于采集技术与成本投入的限制,横波速度资料通常较为缺乏,横波速度预测便成为岩石物理分析中亟需解决的重要问题。传统上基于理论方法和经验公式的横波速度转换方法局限性较大,常规的点对点的机器学习方法无法有效表达测井参数的空间特征,对横波速度与其它测井参数之间的内在关系的表征不够充分。为此,开展了基于一维卷积神经网络(1D-CNN)模型的横波速度预测方法研究,基于声波时差、密度、自然伽马和电阻率等16种测井参数建立深度学习回归模型,通过不同尺度卷积提取测井参数在测井深度空间上的结构性特征,并采用多层网络结构,学习横波参数与测井参数深度特征之间的关系,从而建立更为精确的预测模型。通过在苏里格气田上古生界碎屑岩储层的实际应用,验证了一维卷积神经网络模型的横波速度预测精度较高,且具有良好的泛化性。