来源：期刊VIP网 时间：
作者：甄艳;刘小伟;张艺昊;赵珍;肖逸菲;赵晓明;
单位：西南石油大学地球科学与技术学院;天然气地质四川省重点实验室;中国石化石油物探技术研究院有限公司;
摘要：针对深水海底扇油气藏的勘探开发作业成本高、施工难度大、技术要求高,岩石取芯数量有限,因此获取的岩石相样本数量较少这一问题,提出了基于小样本的深水海底扇岩石相智能分类方法。首先,利用经验模态分解方法(EMD)和滑动窗口为每个井点构建多层图像样式作为输入;其次,利用长短时记忆网络(LSTM)和卷积神经网络(CNN)算法构建岩石相识别模型;再利用生成对抗网络(GAN)模型扩充少数类样本;最后,引入遗传算法(GA)优化模型参数。以西非尼日尔三角洲盆地Akpo油田为研究工区,利用此方法开展岩石相智能识别研究。研究表明,本文提出的GAN-GA-CNN模型对岩石相的分类准确率可达94.22%,相比原始的CNN模型的预测精度有很大提升,证明了本文所提方法的可行性。
关键词：岩石相识别;;海底扇储层;;小样本;;深度学习;;遗传算法
基金资助：四川省自然科学基金杰出青年科学基金项目(2024NSFJQ0065);; 四川省国际科技创新合作项目(24GJHZ0465)
