简介
成果简介(技术分析和应用前景分析):常规储层预测方法一般只能通过井相关分析优选出少量地震属性进行人工分析预测,难以发现上百种地震属性之间的隐含关系,忽略了大量与储层有关的地震属性,同时人工预测时也只能根据经验优选2~3种测井数据,存在数据漏失问题。基于大数据的储层预测方法可使用更多甚至全部的地震属性与井数据,可自动挖掘数据间的隐含关系,发现对预测效果更好的属性。可通过LSTM循环神经网络把属性作为时序信号来处理,也可利用Resnet卷积神经网络把属性作为特征图来处理,均取得了较好于常规预测方法的预测效果。