[发明专利]一种基于卷积神经网络的油气藏储层表征方法在审
| 申请号： | 201910711955.0 | 申请日： | 2019-08-02 |
| 公开（公告）号： | CN110389382A | 公开（公告）日： | 2019-10-29 |
| 发明（设计）人： | 徐朝晖;方惠京;孙盼科;徐怀民 | 申请（专利权）人： | 中国石油大学（北京） |
| 主分类号： | G01V1/30 | 分类号： | G01V1/30;G01V1/36;G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张春辉 |
| 地址： | 102299*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于卷积神经网络的油气藏储层表征方法、装置、设备及可读存储介质，方案包括：获取地震道数据；截取预设级次沉积旋回对应的地震道数据；将截取得到的地震道数据输入预先经过训练的卷积神经网络，得到高频合成记录；根据高频合成记录，确定小尺度地质体的分布规律以实现精确的储层表征。由于卷积神经网络提高地震资料的频率的幅度大，而且卷积神经网络具备自动学习能力，因此该方案频率提高幅度大、处理准确性高、处理效率高。此外，该方案针对不同沉积旋回差异较大的问题，截取预设级次沉积旋回的地震道数据以作为输入，针对性更强，进一步提升了高频处理的准确性，最终提升了油气藏开发效率。 | ||
| 搜索关键词： | 卷积神经网络 地震道数据 截取 沉积 油气藏 预设 合成 可读存储介质 油气藏开发 处理效率 地震资料 分布规律 高频处理 自动学习 地质体 小尺度 记录 申请 | ||
【主权项】：
1.一种基于卷积神经网络的油气藏储层表征方法，其特征在于，包括：获取地震道数据；截取预设级次沉积旋回对应的地震道数据；将截取得到的地震道数据输入预先经过训练的卷积神经网络，得到高频合成记录；根据所述高频合成记录，确定小尺度地质体的分布规律以实现储层表征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（北京），未经中国石油大学（北京）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910711955.0/，转载请声明来源钻瓜专利网。
