利用GRU神經網絡預測橫波速度

作者：孫宇航,劉洋

摘要：儲層參數與橫波速度之間存在一定的相關關系,但是這種復雜關系很難得到解析解。為此,構建了GRU(gated recurrent unit)神經網絡方法,主要包括神經網絡構建、數據預處理、樣本訓練和數據預測四個部分,通過訓練神經網絡逼近橫波速度與儲層參數之間的關系,利用縱波速度、密度和自然伽馬等儲層參數直接預測橫波速度。采用D區的30口井的測井數據訓練和測試神經網絡,結果表明:①縱波速度、密度和電阻率對數與橫波速度呈較好的正相關關系,自然伽馬值、孔隙度與橫波速度呈負相關關系。②對于多數井訓練、少數井驗證,訓練數據預測的橫波速度與真實值的相對誤差和相關系數分別約為3.00%和0.9837,測試數據預測的橫波速度與真實值的相對誤差和相關系數分別約3.19%和0.9805;對于少數井訓練、多數井驗證,訓練數據預測的橫波速度與真實值的相對誤差和相關系數分別約為2.49%和0.9867,測試數據預測的橫波速度與真實值的相對誤差和相關系數分別約3.92%和0.9686。因此所提方法具有較高預測精度和較強泛化能力。

發文機構：中國石油大學（北京）油氣資源與探測國家重點實驗室 中國石油大學（北京）CNPC物探重點實驗室 中國石油大學（北京）克拉瑪依校區

關鍵詞：橫波速度預測GRU神經網絡儲層參數prediction of S-wave velocityGRU neural networkreservoir parameters

分類號： P631.4[天文地球—地質礦產勘探]