多种深度学习算法联合提高地震相分析及油气储层预测效果

联合使用多种深度学习算法，更好地挖掘地震数据中的隐蔽和有用信息，实现相互补充和优化，对于减少地震相分析结果的不确定性，具有重要意义。为此，提出了一种从标签训练到数据挖掘再到优化的全过程深度学习地震相分析的方法和流程。首先，通过自组织映射网络图SOM进行波形分类，为监督学习提供具有代表性的训练数据；然后，利用卷积神经网路CNN和循环神经网路RNN进行地震相分析，将预测得到的地震相分析结果输入到生成对抗神经网络GAN进行算法优化及运算结果的不确定性分析；最后，结合实际资料分析给出最优结果。本文提出和实现了SOM+CNN/RNN+GAN的监督和非监督联合的深度学习地震相分析的方法及实用流程，通过在研究区河道砂体储层油气预测的实际应用，证明该方法提高了地震相分析及油气储层预测结果的可靠性及效果。