侯 曉 琳

(北京大學(xué)地球與空間科學(xué)學(xué)院 北京 100871)

0 引 言

借助于計(jì)算機(jī)技術(shù)解決地質(zhì)學(xué)相關(guān)問題的方法研究已經(jīng)成為地質(zhì)學(xué)科中的重點(diǎn)和熱點(diǎn)。地質(zhì)體建模方法研究的目的就是能夠根據(jù)多來源地質(zhì)數(shù)據(jù)，解釋較難直接觀察到的地質(zhì)條件，分析并預(yù)測地質(zhì)相關(guān)特征，采用可視化方式還原地質(zhì)構(gòu)造和巖石特征分布，為地質(zhì)學(xué)科學(xué)研究和工程實(shí)踐提供理論依據(jù)[1-2]。目前，三維地質(zhì)建模技術(shù)已經(jīng)廣泛應(yīng)用于油氣勘探開發(fā)、礦山開采、城市地質(zhì)、資源儲量評價(jià)等多個(gè)領(lǐng)域的項(xiàng)目工程中[3-4]。三維地質(zhì)建模主要包括構(gòu)造建模和屬性建模。構(gòu)造模型采用幾何網(wǎng)格結(jié)構(gòu)表征斷層等地質(zhì)界面、地質(zhì)體之間拓?fù)潢P(guān)系，展示地質(zhì)體儲層構(gòu)造形態(tài)。屬性模型依賴于構(gòu)造模型單元，量化表征地質(zhì)儲層特征與巖石特征，反映地質(zhì)屬性分布情況。地質(zhì)屬性概念包含儲層屬性。儲層屬性主要是指如孔、滲、飽等反應(yīng)儲層分布、巖性、物性等非均質(zhì)性特征。地質(zhì)屬性描述范圍更大，巖體的幾何特征如產(chǎn)狀、間距同樣屬于地質(zhì)屬性，用來描述地質(zhì)構(gòu)造。

由于地下空間的變異性，利用有限地質(zhì)數(shù)據(jù)和地質(zhì)約束對地下空間屬性特征進(jìn)行預(yù)測，建立地質(zhì)儲層屬性模型是三維地質(zhì)建模研究重點(diǎn)和難點(diǎn)。研究內(nèi)容從克里金方法等確定性建模方法[5-6]，發(fā)展到序貫高斯建模等隨機(jī)建模方法[7]，再到多點(diǎn)指示方法[8]、模擬退火[9]、Simpat[10]等多點(diǎn)地質(zhì)學(xué)統(tǒng)計(jì)方法，盡可能利用更多相關(guān)數(shù)據(jù)來推測地質(zhì)體模型中未知地質(zhì)儲層屬性值。地質(zhì)體模型中地質(zhì)單元的屬性值與其所在三維空間位置具有一定的關(guān)系，利用地質(zhì)單元所在空間位置及其所在空間特征統(tǒng)計(jì)預(yù)測未知地質(zhì)儲層屬性值具有一定的研究價(jià)值。

基于深度學(xué)習(xí)解決地質(zhì)學(xué)問題的方法逐漸成為研究熱點(diǎn)，相較于在其他領(lǐng)域中已經(jīng)獲得的應(yīng)用成果，還有很多應(yīng)用研究的空間和價(jià)值。目前，深度學(xué)習(xí)方法已在遙感圖像分類、礦物識別等關(guān)鍵研究領(lǐng)域獲得了一些成果[11]。張野等[12]基于巖石圖像利用深度學(xué)習(xí)遷移模型實(shí)現(xiàn)了巖性自動識別和分類。徐述騰等[13]利用Unet卷積神經(jīng)網(wǎng)路模型實(shí)現(xiàn)了礦石礦物智能識別和分類。劉大偉等[14]利用深度信念網(wǎng)絡(luò)實(shí)現(xiàn)對高分辨率遙感影像的基于光譜-紋理特征的分類，有效提高分類精度。付超等[15]設(shè)計(jì)一種卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相結(jié)合的方法預(yù)測多波地震油氣儲層分布。段友祥等[16]采用卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于地質(zhì)儲層參數(shù)預(yù)測，為儲層地質(zhì)建模與測井資料解釋提供理論支持。還有很多地質(zhì)學(xué)問題可嘗試采用深度學(xué)習(xí)方法解決，將更多的研究成果應(yīng)用到油氣勘探開發(fā)等工程項(xiàng)目中，為決策提供數(shù)據(jù)支持和理論依據(jù)。

地質(zhì)數(shù)據(jù)特點(diǎn)明顯，種類多樣，但樣本數(shù)量較少，獲取成本較高，空間分布不均，受限于測井、地震等地質(zhì)數(shù)據(jù)獲取手段，地質(zhì)儲層屬性建模方法受到地質(zhì)數(shù)據(jù)樣本點(diǎn)分布的影響較大。通過分析空間中地質(zhì)儲層屬性特征來預(yù)測某空間位置屬性值的方法具有一定的研究意義和價(jià)值。在三維空間中某點(diǎn)的地質(zhì)儲層屬性值與其所在空間的屬性值特征具有一定的關(guān)系，以該點(diǎn)為中心，在一定距離為半徑的三維空間內(nèi)的屬性值作為參考數(shù)據(jù)，計(jì)算空間屬性樣本點(diǎn)均值和方差的無偏估計(jì)，量化分析空間地質(zhì)儲層屬性特征?？臻g統(tǒng)計(jì)特征值作為訓(xùn)練數(shù)據(jù)，設(shè)計(jì)全連接網(wǎng)絡(luò)和一維卷積網(wǎng)絡(luò)，訓(xùn)練并生成屬性預(yù)測網(wǎng)絡(luò)模型，實(shí)現(xiàn)三維空間中地質(zhì)儲層屬性預(yù)測。

1 三維地質(zhì)儲層屬性預(yù)測模型

1.1 研究思路

基于深度學(xué)習(xí)建立三維地質(zhì)儲層屬性模型的主要研究實(shí)現(xiàn)思路見圖1。首先，從整理地質(zhì)數(shù)據(jù)入手，地質(zhì)數(shù)據(jù)可分成構(gòu)造建模數(shù)據(jù)與屬性建模數(shù)據(jù)，采用構(gòu)造建模數(shù)據(jù)分析地質(zhì)元素(地層面、斷層、地質(zhì)體等)之間拓?fù)潢P(guān)系，建立三維地質(zhì)構(gòu)造模型，選取合適的網(wǎng)格模型形式表達(dá)地質(zhì)構(gòu)造和地質(zhì)元素之間的拓?fù)潢P(guān)系。基于構(gòu)造網(wǎng)格模型，對地質(zhì)儲層屬性樣本數(shù)據(jù)進(jìn)行采樣，每個(gè)最小三維網(wǎng)格單元對應(yīng)一個(gè)屬性值(例如六面體網(wǎng)格單元)。然后，分析網(wǎng)格單元所在三維空間分布特征，隨機(jī)地將采樣屬性值分成訓(xùn)練集與驗(yàn)證集兩個(gè)部分訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)，建立三維網(wǎng)格單元的屬性預(yù)測模型。

圖1 構(gòu)建三維地質(zhì)儲層屬性模型主要研究思路

通過分析地質(zhì)儲層屬性分布特征，生成屬性分布特征數(shù)據(jù)，訓(xùn)練全連接網(wǎng)絡(luò)和一維卷積網(wǎng)絡(luò)，生成地質(zhì)儲層屬性預(yù)測模型。基于全區(qū)地質(zhì)儲層屬性分布特征數(shù)據(jù)建立三維地質(zhì)模型。

1.2 地質(zhì)儲層屬性空間分布特征

利用有限的地質(zhì)樣本數(shù)據(jù)計(jì)算地質(zhì)區(qū)域局部特征，采用樣本均值和方差的無偏估計(jì)計(jì)算某個(gè)空間區(qū)域的地質(zhì)儲層屬性均值和方差，作為特征樣本數(shù)據(jù)。

在三維空間中，假設(shè)某一網(wǎng)格單元Pi(六面體)所在的某個(gè)空間S內(nèi)的所有樣本點(diǎn)屬性值表示為P1,P2,…,Pn,Pi=(xi,yi,zi,pi)。以Pi為中心，r1,r2,…,rm為半徑劃分m個(gè)球形子空間區(qū)域S1,S2,…,Sm，統(tǒng)計(jì)每個(gè)子空間Sj的屬性特征，包括屬性值均值和方差，其無偏估計(jì)可以分別表示為：

(1)

屬性樣本點(diǎn)pjk在子空間sj中。特征樣本數(shù)據(jù)的計(jì)算方式采用近鄰原則，以固定長度為半徑，計(jì)算多個(gè)半徑尺度下的子空間內(nèi)樣本點(diǎn)屬性值的均值與方差作為訓(xùn)練集特征數(shù)據(jù)。以二維平面空間內(nèi)特征樣本計(jì)算為例說明(見圖2)，屬性網(wǎng)格點(diǎn)p1為中心，以半徑為r1、r2、r3、r4的子空間s1、s2、s3、s4分別計(jì)算樣本點(diǎn)期望和方差的無偏估計(jì)，在子空間s3中，屬性樣本點(diǎn)數(shù)據(jù)集合S3={p2,p3,p4,p5,p6,p7}，s3內(nèi)屬性樣本均值和方差值為：

(2)

采用同樣方法計(jì)算并獲得4個(gè)空間區(qū)域的屬性值期望和方差(M1,V1)、(M2,V2)、(M3,V3)、(M4,V4)。通過研究多個(gè)子空間統(tǒng)計(jì)特征值與地質(zhì)儲層屬性值之間的關(guān)系，確定屬性值受到子空間的影響范圍。

圖2 二維空間平面樣本點(diǎn)關(guān)系圖例

基于測井?dāng)?shù)據(jù)獲取地質(zhì)儲層屬性數(shù)據(jù)，分析三維空間中網(wǎng)格單元屬性值與以其為中心的不同半徑的子空間中屬性期望值之間的關(guān)系。以某地質(zhì)區(qū)塊A為例，該區(qū)塊內(nèi)共有79口井(見圖3)?；诮屈c(diǎn)網(wǎng)格建立三維地質(zhì)體構(gòu)造模型，對測井?dāng)?shù)據(jù)進(jìn)行抽樣作為屬性值樣本點(diǎn)，在區(qū)塊A中共有5 398個(gè)網(wǎng)格單元的屬性值樣本點(diǎn)，分析以這些網(wǎng)格單元樣本點(diǎn)為中心的子空間區(qū)域特征與網(wǎng)格單元屬性值之間的相關(guān)性。

圖3 79口井所在地質(zhì)區(qū)塊A俯視圖

以滲透率屬性為例，隨機(jī)選取某個(gè)網(wǎng)格單元，在以固定長度遞增半徑的多個(gè)子空間區(qū)域中期望和方差值如圖4所示。顯而易見，隨著子空間大小增加，子空間的均值和方差的變化規(guī)律明顯，均有兩次明顯跳躍，這是由于不斷增加子空間的范圍引入新的屬性樣本點(diǎn)會導(dǎo)致子空間特征發(fā)生較大的改變。因此，只有一定范圍內(nèi)的子空間特征與待測屬性的地質(zhì)單元具有一定的相關(guān)性，僅需要在一定范圍獲取子空間的特征數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集。

(a) 多個(gè)空間區(qū)域滲透率屬性期望值

(b) 多個(gè)空間區(qū)域滲透率屬性期望值與方差值圖4 某網(wǎng)格單元為中心的多個(gè)子空間均值和方差特征圖

不失一般性，隨機(jī)抽取5個(gè)網(wǎng)格單元滲透率屬性樣本點(diǎn)，以各自為中心的子空間特征統(tǒng)計(jì)期望值與方差見圖5，子空間期望和方差的變化規(guī)律具有相似性。在三維空間中，以網(wǎng)格單元為中心的前15個(gè)子空間與該網(wǎng)格單元滲透率屬性值具有一定的相關(guān)性，將這15個(gè)子空間期望值特征作為訓(xùn)練數(shù)據(jù)，利用這些具有一定相關(guān)性的子空間特征值訓(xùn)練并建立深度學(xué)習(xí)模型來預(yù)測單元網(wǎng)格點(diǎn)屬性。

(a) 多個(gè)空間滲透率期望值

(b) 多個(gè)空間滲透率方差值圖5 以5個(gè)隨機(jī)網(wǎng)格單元為中心的多個(gè)子空間 滲透率期望值與方差值

2 基于深度學(xué)習(xí)網(wǎng)絡(luò)儲層屬性預(yù)測

采用實(shí)際地質(zhì)儲層屬性值樣本點(diǎn)數(shù)據(jù)，基于深度學(xué)習(xí)網(wǎng)絡(luò)，以網(wǎng)格單元為中心的n個(gè)子空間屬性特征期望值作為輸入，預(yù)測屬性值作為輸出值，建立并訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)模型預(yù)測三維地質(zhì)體網(wǎng)格單元點(diǎn)的屬性值。本文將采用全連接網(wǎng)絡(luò)和卷積網(wǎng)絡(luò)兩種模型建立三維地質(zhì)體屬性預(yù)測模型，對比分析訓(xùn)練集與驗(yàn)證集屬性預(yù)測屬性值與實(shí)際屬性值，評估網(wǎng)絡(luò)模型預(yù)測效果。

2.1 全連接網(wǎng)絡(luò)模型屬性預(yù)測模型

在深度學(xué)習(xí)方法中，全連接網(wǎng)絡(luò)作為基礎(chǔ)模型，應(yīng)用廣泛?；谌B接網(wǎng)絡(luò)建立屬性預(yù)測模型，網(wǎng)格單元i屬性值pi(y)作為一維輸出層，以其為中心的n個(gè)子空間特征期望值(x1,x2,…,xn)作為n維輸入層。全連接網(wǎng)絡(luò)模型包含一個(gè)n維輸入層、一個(gè)一維輸出層、三個(gè)隱藏層(見圖6)，其中隱藏層i、隱藏層j、隱藏層k維度為32、32和16，并分別在三個(gè)隱藏層后連接三個(gè)激活層(tanh函數(shù)，tanh函數(shù)，relu函數(shù))，建立非線性屬性預(yù)測模型。

圖6 全連接網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)圖

屬性預(yù)測模型由三層全連接網(wǎng)絡(luò)構(gòu)成，采用隨機(jī)梯度下降作為優(yōu)化器，初始學(xué)習(xí)率設(shè)置為0.001，每次遍歷訓(xùn)練樣本，學(xué)習(xí)率自動下降50%，直至損失函數(shù)值達(dá)到穩(wěn)定狀態(tài)停止訓(xùn)練。全連接網(wǎng)絡(luò)設(shè)計(jì)偽代碼如下：

Input=Input(size=n)

fc1=FullyConnection(size=32,activation=′tanh′)

fc2=FullyConnection(size=32,activation=′tanh′)

fc3=FullyConnection(size=16,activation=′relu′)

output=Output(size=1)

model.add(Input,fc1,fc2,fc3,output)

以地質(zhì)區(qū)塊A的儲層滲透率屬性(單位md)預(yù)測為例，通過三維空間特征分析，采用地質(zhì)單元所在的15個(gè)子空間的期望值作為15維輸入數(shù)據(jù)，利用主成分分析方法(PCA)將15維數(shù)據(jù)降至8維，這8維數(shù)據(jù)將作為全連接網(wǎng)絡(luò)模型的輸入數(shù)據(jù)。5 398個(gè)地質(zhì)單元滲透率屬性值分布如圖7所示。

(a) 屬性值分布

(b) 屬性值直方圖統(tǒng)計(jì)圖圖7 儲層滲透率屬性樣本分布

在5 398個(gè)地質(zhì)單元滲透率屬性樣本點(diǎn)中，隨機(jī)選取80%數(shù)據(jù)作為訓(xùn)練集，20%數(shù)據(jù)作為驗(yàn)證集，訓(xùn)練全連接網(wǎng)絡(luò)模型，直到損失函數(shù)值不再呈現(xiàn)下降趨勢為止。采用訓(xùn)練后獲得的全連接網(wǎng)絡(luò)模型對訓(xùn)練集數(shù)據(jù)和驗(yàn)證集數(shù)據(jù)進(jìn)行預(yù)測，訓(xùn)練集與驗(yàn)證集的預(yù)測值與實(shí)際值對比如圖8所示。多數(shù)網(wǎng)格單元屬性預(yù)測值與實(shí)際值相近，預(yù)測效果較好，少數(shù)單元網(wǎng)格屬性值預(yù)測存在一些偏差，全連接網(wǎng)絡(luò)結(jié)構(gòu)能夠較好地學(xué)習(xí)到滲透率屬性的預(yù)測規(guī)律。

(a) 滲透率屬性訓(xùn)練集數(shù)據(jù)真實(shí)值與預(yù)測值對比

(b) 滲透率屬性驗(yàn)證集數(shù)據(jù)真實(shí)值與預(yù)測值對比圖8 滲透率屬性訓(xùn)練集與驗(yàn)證集預(yù)測值與真實(shí)值對比

基于全連接網(wǎng)絡(luò)模型和三維構(gòu)造模型，未知滲透率屬性值網(wǎng)格單元所在空間期望值作為輸入值，預(yù)測地質(zhì)區(qū)塊A的地質(zhì)單元滲透率屬性值，生成三維滲透率屬性模型,如圖9所示。

圖9 地質(zhì)區(qū)塊A的三維滲透率屬性模型

2.2 一維卷積網(wǎng)絡(luò)模型屬性預(yù)測模型

圖10 一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)圖

網(wǎng)絡(luò)模型由兩層一維卷積層和兩層全連接層構(gòu)成，采用初始學(xué)習(xí)率為0.001，動量為0.9的隨機(jī)梯度下降作為優(yōu)化器訓(xùn)練樣本數(shù)據(jù)，每隔一個(gè)訓(xùn)練周期學(xué)習(xí)率自動下降50%，直到損失函數(shù)值達(dá)到穩(wěn)定停止訓(xùn)練，生成預(yù)測模型。一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)偽代碼如下：

input=Input(size=n)

conv1=Conv1D(16,strides=1,kernel_size=5,activation=′relu′)

conv2=Conv2D(16,strides=1,kernel_size=3,activation=′relu′)

fl=Flatten()

fc1=FullyConnection(size=16,activation=′tanh′)

fc2=FullyConnection(size=16,activation=′relu′)

output=Output(size=1)

model.add(Input,conv1,conv2,fl,fc1,fc2,output)

以地質(zhì)區(qū)域A的含水飽和度屬性為例，基于含水飽和度屬性值數(shù)據(jù)訓(xùn)練一維卷積網(wǎng)絡(luò)模型。圖11為該樣本點(diǎn)屬性值分布直方圖。隨機(jī)抽取五個(gè)含水飽和度屬性樣本點(diǎn)的網(wǎng)格單元所在多個(gè)空間特征期望值和方差值如圖12所示?？梢钥闯?，在第20個(gè)子空間后空間特征變化不明顯，因此采用前20個(gè)子空間特征期望值作為深度學(xué)習(xí)網(wǎng)絡(luò)輸入，訓(xùn)練一維卷積網(wǎng)絡(luò)獲得預(yù)測模型。

圖11 樣本飽和度屬性值分布直方圖

(a) 含水飽和度屬性樣本點(diǎn)所在多個(gè)空間期望值統(tǒng)計(jì)

(b) 含水飽和度屬性樣本點(diǎn)所在多個(gè)空間方差值統(tǒng)計(jì)圖12 隨機(jī)5個(gè)含水飽和度屬性樣本點(diǎn)所在多個(gè)空間 期望值與方差值統(tǒng)計(jì)

同樣將含水飽和度屬性樣本點(diǎn)按照8∶2比例隨機(jī)分成訓(xùn)練集和驗(yàn)證集，經(jīng)過模型訓(xùn)練，在訓(xùn)練集和驗(yàn)證集中的含水飽和度實(shí)際屬性值與預(yù)測值的均方誤差較小，一維卷積網(wǎng)絡(luò)模型能夠較好地預(yù)測含水飽和度屬性值，如圖13所示。

(a) 訓(xùn)練集含水飽和度屬性預(yù)測值與真實(shí)值對比

(b) 驗(yàn)證集含水飽和度屬性預(yù)測值與真實(shí)值對比圖13 在訓(xùn)練集與驗(yàn)證集含水飽和度屬性預(yù)測值 與真實(shí)值對比

基于三維地質(zhì)體構(gòu)造模型，采用全連接網(wǎng)絡(luò)模型和一維卷積網(wǎng)絡(luò)模型建立屬性預(yù)測模型，屬性預(yù)測值分布趨勢具有一定的相似性，但也存在部分差異性。以地質(zhì)區(qū)域A中的含水飽和度屬性為例，圖14展示了基于卷積網(wǎng)絡(luò)模型的預(yù)測效果圖，圖15展示采用全連接網(wǎng)絡(luò)的屬性預(yù)測效果圖，從三維可視化模型可見兩種模型預(yù)測結(jié)果具有明顯相似性。

圖14 基于卷積網(wǎng)絡(luò)模型預(yù)測三維含水飽和度屬性模型

圖15 基于全連接網(wǎng)絡(luò)模型預(yù)測三維含水飽和度屬性模型

驗(yàn)證三維地質(zhì)模型預(yù)測結(jié)果，從地質(zhì)儲層滲透率屬性訓(xùn)練數(shù)據(jù)樣本中隨機(jī)抽取80%數(shù)據(jù)作為訓(xùn)練集，20%數(shù)據(jù)作為驗(yàn)證集，建立基于全連接網(wǎng)絡(luò)預(yù)測模型和一維卷積網(wǎng)絡(luò)預(yù)測模型，并與基于80%樣本數(shù)據(jù)插值算法預(yù)測模型結(jié)果進(jìn)行對比。經(jīng)過5次交叉驗(yàn)證，在驗(yàn)證集上預(yù)測值與真實(shí)值的均方根誤差值RMSE見表1。

表1 滲透率屬性預(yù)測值與真實(shí)值的均方根誤差

由表1可見，基于全連接網(wǎng)絡(luò)和一維卷積網(wǎng)絡(luò)滲透率屬性預(yù)測值與真實(shí)值的均方根誤差比傳統(tǒng)序貫高斯插值小，傳統(tǒng)插值方法受到數(shù)據(jù)影響較大，少數(shù)數(shù)據(jù)不參與插值導(dǎo)致預(yù)測結(jié)果差異較大，而深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測結(jié)果以數(shù)據(jù)驅(qū)動為主，預(yù)測誤差較小，魯棒性較好。表1中第2組實(shí)驗(yàn)中三種不同方法預(yù)測滲透率屬性預(yù)測值與真實(shí)值對比如圖16所示。

(a) 基于全連接網(wǎng)絡(luò)滲透率預(yù)測值與真實(shí)值對比

(b) 基于一維卷積網(wǎng)絡(luò)滲透率預(yù)測值和真實(shí)值對比

(c) 基于序貫高斯插值滲透率預(yù)測值與真實(shí)值對比圖16 三種預(yù)測模型滲透率屬性預(yù)測值與真實(shí)值對比

基于深度學(xué)習(xí)網(wǎng)絡(luò)，采用三維空間特征統(tǒng)計(jì)數(shù)據(jù)實(shí)現(xiàn)三維地質(zhì)儲層屬性建模的方法。根據(jù)屬性在三維空間中的分布和統(tǒng)計(jì)特征，訓(xùn)練深度學(xué)習(xí)網(wǎng)格模型得到屬性預(yù)測模型，很難判斷具體哪種學(xué)習(xí)網(wǎng)絡(luò)模型更具優(yōu)勢，需結(jié)合空間統(tǒng)計(jì)數(shù)據(jù)分析，嘗試最合適網(wǎng)絡(luò)模型結(jié)果，這樣的嘗試和研究不同于傳統(tǒng)統(tǒng)計(jì)方法思路，具有一定的研究意義。基于三維地質(zhì)模型，將應(yīng)用三維卷積網(wǎng)絡(luò)模型預(yù)測地質(zhì)屬性作為后續(xù)的一個(gè)研究方向，結(jié)合測井、地震等多種來源地質(zhì)數(shù)據(jù)建立網(wǎng)絡(luò)模型的訓(xùn)練樣本。采用三維卷積網(wǎng)絡(luò)模型分析三維空間中屬性關(guān)系預(yù)測屬性模型具有研究意義，但目前獲取適用于三維卷積網(wǎng)絡(luò)模型的訓(xùn)練樣本數(shù)據(jù)具有一定的難度。本文提出的深度學(xué)習(xí)模型，能夠基于有限地質(zhì)數(shù)據(jù)樣本研究地質(zhì)儲層屬性在三維空間中的分布情況，建立三維地質(zhì)儲層屬性預(yù)測模型。

3 結(jié) 語

本文嘗試采用深度學(xué)習(xí)方法解決地質(zhì)儲層屬性預(yù)測和三維地質(zhì)儲層屬性建模問題?；谌S構(gòu)造模型，分析以網(wǎng)格單元為中心的一定范圍內(nèi)空間特征統(tǒng)計(jì)結(jié)果，發(fā)現(xiàn)空間特征與網(wǎng)格單元屬性值之間的相關(guān)性，分別設(shè)計(jì)并訓(xùn)練全連接網(wǎng)絡(luò)模型和卷積網(wǎng)絡(luò)模型，生成屬性預(yù)測模型，進(jìn)而建立三維地質(zhì)儲層屬性模型。兩種網(wǎng)絡(luò)建立三維屬性模型中屬性分布趨勢具有一定的相似性，基于有限數(shù)據(jù)驅(qū)動預(yù)測效果較好。結(jié)合深度學(xué)習(xí)方法解決三維屬性建模問題的方法研究具有一定應(yīng)用價(jià)值。