基于生成对抗网络的地震反演建模方法
机器学习
2021-06-09 v1 机器学习
地球物理
摘要
地震反演建模是储层预测中的常用方法，在油气勘探开发中起着至关重要的作用。常规地震反演方法难以与复杂抽象的地质模式知识相结合，且其不确定性难以评估。本文提出一种基于 GAN 的、与地质、测井、地震数据相一致的逆建模方法。GAN 是最具前景的生成模型算法，可提取训练图像的空间结构与抽象特征。训练后的 GAN 能够重现具有特定模式的模型。在我们的测试中，1 秒内生成了 1000 个模型。基于经过评估的已训练 GAN，可通过贝叶斯反演框架计算出模型的最优结果。结果表明，反演模型符合观测数据，且在快速生成的前提下具有低不确定性。该地震反演建模方法提高了反演迭代的效率与质量，值得在地震数据与地质知识融合中研究与应用。
引用
@article{arxiv.2106.04197,
title = {Seismic Inverse Modeling Method based on Generative Adversarial Network},
author = {Pengfei Xie and YanShu Yin and JiaGen Hou and Mei Chen and Lixin Wang},
journal= {arXiv preprint arXiv:2106.04197},
year = {2021}
}
备注
22 pages,13 figures