参数优选残差网络下的井震联合反演方法

来源：电子测量技术杂志2022年第12期北京时间：

作者：郑杰，文畅，谢凯，盛冠群

单位：1.长江大学电子信息学院 荆州 434023;2.长江大学计算机科学学院 荆州 434023;3.长江大学西部研究院 克拉玛依市 834000;4.长江大学电工电子国家级实验教学示范中心 荆州 434023;5.油气资源与勘探技术教育部重点实验室 荆州 434023;6.三峡大学计算机与信息学院 宜昌 443002

摘要：声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制，实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持，提高储层预测的准确性，提出一种参数优选残差网络下的井震联合反演方法，对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系，该方法以深度学习中的残差网络(Residual Network, ResNet)构建智能反演模型，通过网络设计、参数选择以及模型训练，找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足，设计了一种代价敏感损失函数Fusion，进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验，并与全连接神经网络(Fully Connected Neural Network, FCNN)和多元回归分析(Multiple Linear Regression, MLR)的反演结果对比分析，表明所提方法反演的声波测井曲线精度更高，相关系数达到0.912，均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线，相关系数增加了2.5%，均方根误差减小了17.4%。

关键词：井震联合反演;声波测井资料;代价敏感损失函数;残差网络;智能反演模型

基金资助：新疆维吾尔自治区自然科学基金项目(2020D01A131)；湖北省自然科学基金项目(2021CFB119)