本发明公开了一种基于膨胀卷积神经网络的储层不连续界线识别方法,包括以下步骤:从地震数据中获取属性图;采用多层融合技术,属性数据映射到低维向量空间;通过对地质数据、测井数据以及地震数据分析得出不连续界线类别,根据所划分的不连续界线类型得到标签;采用CNN从输入属性学习到深层次的特征r1;利用DCNN从输入属性学习到非连续性特征r2;采用拼接技术,特征进行拼接;将拼接结果送入池化层,平均池化后送至全连接层。利用Softmax函数输出结果得到识别类型。本发明优点是:能够自动学习特征,减少识别错误,准确的区分不连续界线类型;能够突出界线之间的特征差异;能够减少地震数据中假界线的干扰。
声明:
“基于膨胀卷积神经网络的储层不连续界线识别方法” 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)