储层表征：一种机器学习方法

储层表征（RC）可定义为构建一种储层模型的行为，该模型纳入了所有与储集和产出碳氢化合物能力相关的储层特征。由于地下属性的非线性和非均质性，这是一个困难的问题，并且伴随若干复杂任务，如数据融合、数据挖掘、知识库构建以及不确定性处理。本工作描述了获取预测性地震属性与目标岩性属性之间函数关系的算法开发。地震属性在研究区可用，但垂向分辨率较低。相反，测井曲线和岩性属性仅在研究区特定井位可用，且具有高垂向分辨率。砂分数代表岩石内单位砂体体积，其分布在零到一之间平衡。该论文处理了预测变量与目标变量间信息内容不匹配的问题，并建议在构建预测模型之前对目标属性进行正则化。本文提出两种基于人工神经网络（ANN）的框架，分别在有和无井顶信息的情况下从多个地震属性建模砂分数。框架性能通过相关系数、均方根误差、绝对误差均值等量化。