摘要： 弹性阻抗反演是主要的储层参数预测方法之一。入射角范围有限和低地震资料质量等原因，会导致密度反演的准确率较低。此外，纵横波速度比在速度峰值处的反演稳定性较差，也不能直接反演孔隙度等储层物性参数。目前通过常规的弹性阻抗反演等方法无法有效解决上述问题。本文将深度学习技术与弹性阻抗反演技术相结合，基于全连接深度神经网络建立起三个角度弹性阻抗与弹性、物性储层参数之间的非线性映射关系，测井数据的密度、纵横波速度比预测的均方根误差均降低10%以上。并以弹性阻抗搭建起测井、地震数据之间的桥梁，通过标准化等数据处理技术，最终得到密度、纵横波速度比和孔隙度的三维预测结果。

Abstract:  

中图分类号: 

•