深度学习在南川页岩气含气量预测中的应用

张勇，马晓东，李彦婧，蔡景顺

(1.中国石化华东油气分公司 勘探开发研究院，江苏 南京 210005； 2.四川宝石花鑫盛油气运营服务有限公司，四川 成都 610000)

0 引言

近年国内页岩气勘探成果丰硕，先后发现了涪陵、威远等大型页岩气田。通过近几年的页岩气勘探开发实践，对页岩气富集主控因素也有了更深入的认识，其中含气量是评价页岩气富集高产的主控因素之一。目前含气量评价主要方法有测井解释、岩心实验测定以及地震预测。测井解释及岩心实验测定均只显示单点特征，要刻画研究区整体含气量平面特征，需通过地震预测来实现。地震预测方法中，由于含气性不是岩石物理弹性参数，难以通过地球物理反演技术直接预测，主要通过线性的单属性拟合或多属性融合、非线性的简单神经网络方法来预测[1-6]，利用这几种方法对页岩气的含气量开展预测，发现精度较低。为了进一步提高页岩含气量预测精度，开展了非线性的深度学习预测含气量研究工作。近几年深度学习技术高速发展[7-8]，在石油天然气勘探开发领域也有了广泛的应用。主流的深度学习神经网络包括深度神经网络(DNN)、递归神经网络(RNN)、卷积神经网络(CNN)。深度神经网络和传统意义上的神经网络结构并无太大区别，最大的不同是层数增多，训练方法更为优化，算法也更加先进；递归神经网络相比深度神经网络只能够接收到当前时刻上一层的输入，神经元的输出可以在下一时间段直接作用到本身，在自然语言处理方面多有使用；……