本发明公开一种基于深度学习的井震联合初始岩性模型构建方法,应用于三维地质建模领域,针对现有技术中存在的测井数据由于滤波导致频率太低,损失了很多高频有效信息,插值过程中地震数据无法有效控制的问题;本发明利用卷积神经网络提取数据中包含的长短周期即高低频率的特征,对不同的特征采用长短时间记忆网络进行分类学习,进而准确地学习地震数据和测井数据之间的关系,达到岩石属性的准确预测,从而进行岩性初始模型的构建,为岩性参数的反演提供基础,从而指导油气的勘探开发和油气藏储层描述。
声明:
“基于深度学习的井震联合初始岩性模型构建方法” 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)