来源：期刊VIP网 时间：
作者：杨学奇;徐乐意;陈兆明;李杰;李坤娟;董国辉;程学欢;
单位：中海石油(中国)有限公司深圳分公司;中海石油深海开发有限公司;
摘要：横波速度是开展地震叠前反演的重要参数，对井中缺失的横波速度进行准确预测是进行储层识别的关键步骤。传统的基于岩石物理建模的横波速度预测方法由于受到岩石物理模型假设条件的限制，很难达到较高的预测精度，因此，本文充分发挥深度学习神经网络技术的优势，提出一种基于长短期记忆网络的横波速度预测方法，运用长短期记忆网络，结合横波速度曲线在纵向时序上的独特特征，深度挖掘测井参数与横波速度之间的映射关系，进而成功搭建起两者之间的网络模型，使得该模型能精确预测横波速度。本文将该项技术应用于中国南海珠江口盆地珠一坳陷惠西南古近系储层，对井中缺失的横波速度进行了预测。结果显示，相较于传统岩石物理模型得出的横波速度估计结果，基于长短期记忆网络的预测结果与实测横波速度的误差更小，相关系数更高，显示出更高的预测精度，可为后续通过地震叠前反演开展储层预测打下坚实的基础。
关键词：长短期记忆网络;;深度学习;;横波速度预测;;岩石物理建模
基金资助：中海石油（中国）有限公司“十四五”科技项目“陆缘裂谷盆地深层/超深层油气成藏条件与成藏机制研究”（KJGG2022-0403）
