| 深度Transformer迁移学习的页岩气储层核心参数预测案例 |
| |
| 引用本文： | 汪敏,郭鑫平,唐洪明,张少龙,杨桃,钟光海.深度Transformer迁移学习的页岩气储层核心参数预测案例[J].地球物理学报,2023(6):2592-2610. |
| |
| 作者姓名： | 汪敏 郭鑫平 唐洪明 张少龙 杨桃 钟光海 |
| |
| 作者单位： | 1. 西南石油大学电气信息学院;2. 天然气地质四川省重点实验室,西南石油大学;3. 西南石油大学地球科学与技术学院;4. 海洋地质国家重点实验室·同济大学;5. 中国石油西南油气田分公司页岩气研究院 |
| |
| 基金项目： | 国家自然科学基金(62006200)；;油气藏地质及开发工程国家重点实验室(成都理工大学)(PLC20211104)；;四川省科技计划支持项目(2020YFQ0038,2022YFG0179)联合资助； |
| |
| 摘 要： | 地层纵横向非均质性强，工区间数据分布存在差异.这导致基于已有工区数据构建的机器学习储层参数预测模型，推广到新工区会存在较大预测误差.常规地质方法是在岩心与测井响应特征分析基础上建模，利用测井资料计算储层参数，流程复杂.该方法需要岩心校准模型，同样难以快速推广到新的工区.考虑地层纵横向非均质性，本文设计了一种深度Transformer迁移学习网络，通过已有工区的测井与岩心资料构建预测模型，实现未取心新工区储层参数快速准确预测.首先利用无监督学习算法-孤立森林剔除测井数据中存在的异常噪声数据.然后设计Transformer特征提取网络，提高网络特征提取能力，以此深入挖掘测井数据与储层参数的内在联系.最后设计深度迁移学习网络，构建网络损失函数，利用随机梯度下降算法优化网络参数，实现储层参数准确预测.本方案应用于四川南部地区五峰组—龙马溪组页岩储层参数孔隙度、总有机碳含量和总含气量预测.实验结果与工区校正后计算结果、主流机器学习模型预测结果对比，本方案结果与岩心数据具有更高的一致性.应用结果表明：本文方案具有实用性、有效性和可推广性.
|
| 关 键 词： | 海相页岩气 迁移学习 总含气量 总有机碳含量 孔隙度 Transformer |
|
