基于深度学习模型的储层表征：真砂体厚度检测
地球物理
2019-09-16 v1
摘要
由于地震数据固有的性质，直接从地震数据精确识别储层特征是一项极具挑战的任务。在此，我们成功设计了一种集成合成楔状模型的深度学习模型，以克服地球物理局限，同时从低分辨率地震数据解释砂体厚度。通过理解并学习地震响应与砂体厚度相应指示因子之间的地球物理关系，该深度学习模型可通过精确揭示岩性分布，自动检测从地震道中识别出的砂体顶底位置。来自楔状模型与现场数据的定量分析及广泛验证证明了所提方法的鲁棒性。由深度学习模型识别出的真砂体厚度，为增强从地震数据解释岩性与地层信息提供了极有用的指导。此外，所提深度学习方法消除了净毛比（net-to-gross）高估与低估的风险，并在精度上取得显著改进。
引用
@article{arxiv.1909.06005,
title = {Reservoir Characterizations by Deep-Learning Model: Detection of True Sand Thickness},
author = {Ping Lu and Yanyan Zhang and Hua Yu and Stan Morris},
journal= {arXiv preprint arXiv:1909.06005},
year = {2019}
}