基于深度残差收缩网络的油气柱高度预测

来源：计算机技术与发展杂志2023年第09期北京时间：

作者：杜睿山;'*;程永昌;孟令东

单位：1. 东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318;2. 油气藏及地下储库完整性评价黑龙江省重点实验室(东北石油大学),黑龙江 大庆 163318

摘要：油藏的含油气柱高度在很大程度上反映了圈闭中油气层的丰富程度。 石油含量高度的估计,对于钻前储量评价、井位优化部署等都有着一定重要性。 为了提升油气柱高度预测精度,展开基于神经网络模型的油气柱高度预测方法的研究,并侧重于一维残差收缩网络的研究,因为一维的卷积核侧重对每一维特征的提取,更符合本实验数据的特性;其次模型使用了残差块,该模块使用链接跳跃方法来绕过输入信息直接输出来保护信息完整性,进而缓解梯度损失和网络退化问题;软阈值作为非线性变换层插入到深层结构中,以消除不重要的特征,来提高从高噪声数据中学习特征的能力。同时,为了验证模型的有效性,对目前应用较为广泛的模型,如 CNN、1DCNN、GoogLeNet、DenseNet、1DRSN 在圈闭数据上的应用进行了比较和分析。 1DRSN 预测准确率达到 84. 0% ,优于其他模型,表明该模型对油气柱高度预测有更加准确的结果。

关键词：油气柱高度;卷积神经网络;深度学习;软阈值;一维残差收缩网络