热烈庆祝我公司刘力辉、陆蓉等发表于中文核心期刊《石油物探》的学术论文《基于深度学习的地震岩相反演方法》入选学术精要（2022年10-11月）高被引论文、高下载论文！

《基于深度学习的地震岩相反演方法》

刘力辉，陆蓉，杨文魁

（北京诺克斯达石油科技有限公司，北京100083）

    摘要：复杂岩性预测是地震储层预测的难题，基于机器学习的非线性反演是识别岩性的有效手段。常规方法多以测井特征曲线（伽马曲线等）为学习目标，利用ＢＰ神经网络建立非线性映射预测岩性体，但这种方法存在两个问题，一是井震分辨率不匹配，二是ＢＰ神经网络在反演过程中存在局部收敛、效果不稳定以及非线性表征能力弱的问题。为解决这些问题，一是通过引入地震岩相概念解决井震分辨率不匹配问题，二是将深度学习引入到地震岩相反演中，经过优化样本采样、抽取相控伪井解决大样本集的构建问题，采用增量学习的策略进一步提高预测模型的精度和稳定性。以分频地震数据作为预测模型的输入，井岩相曲线为反演目标，实现了基于深度学习的地震岩相反演，有效解决了复杂岩性预测的难题。将该方法应用于海上某深水陆坡水道沉积研究区（该区发育灰岩、钙质砂岩、砂岩和泥岩４种岩相，岩石物理规律复杂，区分困难）岩性预测，结果表明，基于深度学习的地震岩相反演结果与井资料吻合，与地质认识相符。与叠前反演方法和ＢＰ神经网络学习岩相反演方法相比，基于深度学习的地震岩相反演方法准确度和分辨率更高，证明该方法是复杂岩性预测的有效手段。

    关键词：深度学习；增量学习；相控伪井；优化样本采样；分频；地震岩相；复杂岩性预测