综述
骆迪, 王宏斌, 蔡峰, 吴志强, 孙运宝, 李清
传统地震储层预测技术已无法满足储层精细评价的需求,深度学习具有强大的特征提取和高维数据处理能力,近年来广泛应用于地震储层预测并取得了较好的效果。为此,本文深入讨论深度学习技术在地震储层预测中的应用、进展及它在实际工作中面临的挑战,并提出未来的发展方向。主要认识有:①在烃类定性检测方面,深度学习技术有助于综合利用多属性地震数据去提高效率和预测结果的准确率;在定量预测方面,深度学习技术可以更精准地逼近地震数据与目标之间复杂的非线性关系,实现储层的精细定量评价。②深度学习技术的应用面临的挑战主要是标签数据不足和样本不均衡等容易导致模型过拟合,泛化能力差;模型复杂,计算成本高;模型的“黑匣子”特征使预测结果缺乏物理可解释性;缺乏定性预测模型的评价标准和高精度的不确定性量化算法。③未来的研究方向应致力于克服数据可用性的不足和深度学习的局限性等,构建地球物理知识图谱,实现多源数据与知识的有效融合、共享,将深度学习与反馈强化学习等其他机器学习算法相结合,为油气勘探和开发提供更可靠的技术支撑。