基于U⁃Net和CNN深度学习求取地质属性建模变差函数参数

打开文本图片集

摘要：在油气藏地质属性建模中，变差函数的求取尤为关键，一般是通过拟合实验变差函数求取变程、方位角、基台值等参数的方式获得，但当研究区内样本点数量过少时，实验变差函数拟合效果较差，从而影响属性建模质量。为了克服传统方法的不足，最大限度地利用空间数据，文中提出一种基于U‑Net和CNN网络求取变差函数参数的新方法：以孔隙度属性建模为例，首先选用球状模型并利用序贯高斯模拟（SGS）算法模拟生成多组孔隙度模型，以所得孔隙度平面模型抽取的数据点为基准构成样本集；然后采用U‑Net进行孔隙度模型重构，保证孔隙度分布的空间相关性；最后利用CNN对样本集进行深度学习，从而建立求取变差函数的模型。（剩余13570字）