深度学习在石油勘探中的应用研究

王树华 于会臻 陈学国

摘 要：当前，全球整个石油行业随着油价下降，面临巨大的生存压力。如何在新形势、新挑战下，降低成本，提高勘探精度，成为这个行业不可避免的问题。由此，本文提出将深度学习应用于石油勘探中，在阐述深度学习理论方法的基础上，探讨石油勘探领域深度学习的关键技术。

关键词：深度学习;石油勘探;样本制作

中图分类号：TE34;TP391.41文献标识码：A 文章编号：1003-5168（2018）28-0022-02

Abstract： At present， the global oil industry as a whole is facing tremendous pressure of survival with the decline of oil prices. How to reduce costs and improve exploration accuracy under the new situation and challenges has become an unavoidable problem in this industry. Therefore， this paper put forward the application of deep learning in petroleum exploration. On the basis of expounding the theory and method of deep learning， the key technology of deep learning in petroleum exploration field was discussed.

Keywords： deep learning;petroleum exploration;sample preparation

深度學习是近年来快速发展的大数据挖掘新技术，该技术基于神经网络算法（CNN、RNN等），通过模拟人脑分析、建立学习模型，从而实现模仿人脑进行识别的目标。深度学习在各个领域迅速发展，取得了令人意想不到的成果。本文主要分析深度学习在石油勘探中的应用。

1 深度学习

深度学习是机器学习的核心算法之一。该方法起始于人工神经网络，特点是利用其具有的多隐层的多层感知结构，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习方法主要有2种：一种是监督学习，另一种是无监督学习。其中，卷积神经网络（Convolutional Neural Networks，CNN）就是一种深度监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，DBN）则是一种无监督学习下的机器学习模型[1]。

2 深度学习在石油勘探中的应用现状

因为石油勘探行业属于技术密集型产业，新的方法和技术都较早地被引入到该行业。深度学习的鼻祖，BP神经网络在1996年就引入了石油勘探行业。但是，由于当时计算速度和算法特别是石油行业由于地震分辨率的限制所造成的多解性，BP神经网络一直没有在该行业中得到较好的发展。……