基本信息
摘要：本公开提供了一种数据驱动的致密储层物性参数智能预测方法，利用三维地震波形数据和测井资料构建学习样本集，对学习样本集进行预处理；构建褶积与内积算子混合的机器学习网络模型，对预处理后的三维地震波形数据采用褶积运算，对相应空间位置采用内积运算，沿网络前向传播；利用学习样本集进行机器学习网络模型的训练，直到得到满足误差要求的网络模型；以采样点为中心，在多个方向上采集多个数据作为采样数据，将采样数据作为训练完的机器学习网络模型的输入变量，实现对致密储层物性参数进行预测。本公开替代依靠经验模型的反演方法，实现了数据驱动的致密储层物性参数智能预测，解决了测井‑地震之间小样本学习问题。
摘要附图：
