储层渗透性多任务智能地震预测方法

大量数据统计结果表明,孔隙度与渗透率之间的关系密切,但传统基于孔隙度-渗透率经验公式预测的渗透率误差较大,难以满足复杂储层的渗透性预测需求。为此,利用人工智能可以挖掘数据隐含关系的优势,借助多任务学习共享机制有效缓解单任务学习在小样本条件下的过拟合问题,提出了一种基于多任务学习的储层渗透性地震预测方法。该方法以叠后地震数据和纵波阻抗数据为网络的输入数据,将测井孔隙度和渗透率作为网络的标签数据,通过网络训练构建井旁道地震数据与测井数据的网络模型,实现井间储层孔隙度与渗透率的同步预测。应用该方法对四川盆地金秋气田沙溪庙组致密气藏8号砂体的渗透性进行了预测,预测结果与实钻井数据吻合程度高,且具有较高的纵、横向分辨率,验证了方法的有效性。

资料为PDF文档格式.

本文档关键词:智能,预测,地震,渗透性,任务