本发明涉及一种融合静动态特征的缝洞型油藏半监督学习储层含油气性评价方法,目的是建立地震属性数据与储层含油气性之间的映射关系。本发明根据缝洞型油藏储层地质构造主控因素,采用自动编码器挖掘地震属性数据的流形结构特征;考虑生产井动态资料,在融合静动态数据特征基础上,基于深度学习的卷积神经网络半监督学习技术构建缝洞型油藏含油气性评价模型;针对传统无监督机器学习方法未利用先验信息、容易受噪音干扰的问题,提出记忆结构约束的K均值算法重新计算聚类中心,自动调整半监督卷积神经网络参数,可提高评价准确率。
声明:
“融合静动态特征的缝洞型油藏半监督学习储层含油气性评价方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)