發(fā)布時(shí)間：2020-07-14 03:46

【摘要】：天然氣是我國(guó)緊缺的戰(zhàn)略性潔凈能源,加大天然氣的勘探開(kāi)發(fā)力度是國(guó)家能源戰(zhàn)略的重要組成部分。傳統(tǒng)儲(chǔ)層預(yù)測(cè)方法在淺層勘探中具有較好的應(yīng)用效果,但在深部勘探中表現(xiàn)出了不適應(yīng)性。本文針對(duì)深部勘探目標(biāo),引入了人工智能領(lǐng)域研究熱點(diǎn)“深度學(xué)習(xí)”的理論與方法,并通過(guò)構(gòu)建深度學(xué)習(xí)無(wú)監(jiān)督特征學(xué)習(xí)網(wǎng)絡(luò)模型提取地震數(shù)據(jù)的含氣性響應(yīng)特征。川中元古界震旦系燈影組碳酸鹽巖天然氣儲(chǔ)層具有埋藏深,演化時(shí)間長(zhǎng)與儲(chǔ)層特征復(fù)雜等特點(diǎn)。本文以該地區(qū)為應(yīng)用對(duì)象,開(kāi)展了基于地震數(shù)據(jù)深度學(xué)習(xí)的儲(chǔ)層預(yù)測(cè)方法及其應(yīng)用研究。本文的主要研究?jī)?nèi)容與成果如下:1.構(gòu)建適用于地震數(shù)據(jù)的深度學(xué)習(xí)無(wú)監(jiān)督特征學(xué)習(xí)網(wǎng)絡(luò)模型,有利于提取含氣性響應(yīng)特征。地震數(shù)據(jù)屬于實(shí)值數(shù)據(jù),并且在時(shí)間空間上具有連續(xù)性,本文結(jié)合地震數(shù)據(jù)特點(diǎn)引入了具有模擬連續(xù)型數(shù)據(jù)概率分布的連續(xù)限制玻爾茲曼機(jī)(CRBM)作為深層網(wǎng)絡(luò)的淺層模型。深層網(wǎng)絡(luò)具有逐層抽象特征的能力,本文通過(guò)堆疊CRBM形成深度置信網(wǎng)絡(luò)(DBN)并對(duì)稱(chēng)展開(kāi)獲得深層自編碼器。訓(xùn)練前加入了適量的高斯噪聲并使用原始數(shù)據(jù)進(jìn)行反向微調(diào),使網(wǎng)絡(luò)輸出盡可能逼近原始數(shù)據(jù)。通過(guò)以上方法最終構(gòu)建出以CRBM為淺層模型的深度連續(xù)降噪自編碼器(Deep-CRBM-Denoising AutoEncoder,DCDAE)。2.深層無(wú)監(jiān)督特征學(xué)習(xí)網(wǎng)絡(luò)的目標(biāo)特征優(yōu)選需結(jié)合可視化技術(shù)與特征分析方法共同評(píng)價(jià)。深度學(xué)習(xí)高層特征具有高度抽象性,為分析高層特征與目標(biāo)之間的聯(lián)系,需將高層特征進(jìn)行可視化用于對(duì)比分析。本文通過(guò)引入深度學(xué)習(xí)特征可視化技術(shù)并應(yīng)用于地震數(shù)據(jù)的高層特征可視化中。深層網(wǎng)絡(luò)完成無(wú)監(jiān)督特征學(xué)習(xí)后,往往會(huì)獲得大量的特征,為篩選目標(biāo)響應(yīng)特征,提出了SOM拓?fù)涮卣鞣治龇椒�。根�?jù)目標(biāo)樣本與同一隱藏層可視化特征在拓?fù)鋱D上的類(lèi)別分布,篩選出有利特征,便于進(jìn)一步精細(xì)刻畫(huà)含氣性分布。為驗(yàn)證一系列方法的可行性,構(gòu)建了川中正演模型,結(jié)合相關(guān)方法完成網(wǎng)絡(luò)訓(xùn)練與目標(biāo)特征的優(yōu)選,對(duì)比分析目標(biāo)特征與其它類(lèi)別特征對(duì)研究數(shù)據(jù)的具體影響。3.針對(duì)研究區(qū)域分別采用了一維訓(xùn)練樣本與三維訓(xùn)練樣本進(jìn)行深度學(xué)習(xí)含氣性檢測(cè)方法研究。聚類(lèi)分析是分析不同數(shù)據(jù)對(duì)象關(guān)系的重要方法,Kmeans算法具有簡(jiǎn)單實(shí)用、易實(shí)現(xiàn)等優(yōu)點(diǎn),限于中心點(diǎn)的隨機(jī)初始化,聚類(lèi)效果并不穩(wěn)定。本文采用SOM的無(wú)監(jiān)督聚類(lèi)方法獲取較為穩(wěn)定的聚類(lèi)結(jié)果。完成深層網(wǎng)絡(luò)訓(xùn)練后,對(duì)比原始數(shù)據(jù)聚類(lèi)與不同隱藏層全部特征激活聚類(lèi)的類(lèi)別分布,推斷目標(biāo)特征可能存在的隱藏層層次。根據(jù)SOM拓?fù)涮卣鞣治龇椒▋?yōu)選出相應(yīng)隱藏層的目標(biāo)特征,結(jié)合聚類(lèi)方法確定最優(yōu)目標(biāo)特征并劃分研究區(qū)域的含氣區(qū)間。結(jié)果表明,兩種訓(xùn)練模式皆能達(dá)到含氣性檢測(cè)的效果。相較而言,三維訓(xùn)練樣本的含氣性檢測(cè)結(jié)果表現(xiàn)出更好的連續(xù)性,更清晰的劃分研究區(qū)域的含氣性分布。
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：P618.13;P631.4
【圖文】：

基于地震數(shù)據(jù)深度學(xué)習(xí)的含氣性檢測(cè)技術(shù)路線(xiàn)圖

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法局限于權(quán)重的隨機(jī)生成，導(dǎo)致在訓(xùn)練中容部最小值，每一次的初值生成都有可能影響最終的訓(xùn)練結(jié)果。隨著支持亮相，神經(jīng)網(wǎng)絡(luò)一度不被重視。深度學(xué)習(xí)的一系列方法很好的解決了傳絡(luò)的缺陷，它在各大競(jìng)賽中異軍突起，打敗了眾多的傳統(tǒng)機(jī)器學(xué)習(xí)方法今最為人所信賴(lài)的人工智能方法，深度學(xué)習(xí)基本模型如下圖。

激活函數(shù)無(wú)疑是逐層抽象特征的關(guān)轉(zhuǎn)化到非線(xiàn)性空間中，有助于網(wǎng)絡(luò)模型學(xué)習(xí)更復(fù)：Sigmoid 函數(shù)，修正線(xiàn)性單元(Rectifiedlinearu函數(shù)。各激活函數(shù)的具體表現(xiàn)形態(tài)如圖 2-2 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付超;林年添;張棟;文博;魏乾乾;張凱;;多波地震深度學(xué)習(xí)的油氣儲(chǔ)層分布預(yù)測(cè)案例[J];地球物理學(xué)報(bào);2018年01期

2 吳寶年;;油藏模型含油飽和度變化的地震振幅響應(yīng)特征[J];物探與化探;2015年06期

3 趙忠軍;黃強(qiáng)東;石林輝;王憲文;單敬福;;基于BP神經(jīng)網(wǎng)絡(luò)算法識(shí)別蘇里格氣田致密砂巖儲(chǔ)層巖性[J];測(cè)井技術(shù);2015年03期

4 孟召平;郭彥省;劉尉;;頁(yè)巖氣儲(chǔ)層有機(jī)碳含量與測(cè)井參數(shù)的關(guān)系及預(yù)測(cè)模型[J];煤炭學(xué)報(bào);2015年02期

5 劉樹(shù)根;孫瑋;趙異華;王國(guó)芝;宋林珂;鄧賓;梁鋒;宋金民;;四川盆地震旦系燈影組天然氣的差異聚集分布及其主控因素[J];天然氣工業(yè);2015年01期

6 張震;印興耀;郝前勇;;基于AVO反演的頻變流體識(shí)別方法[J];地球物理學(xué)報(bào);2014年12期

7 趙萬(wàn)金;楊午陽(yáng);趙偉;;地震儲(chǔ)層及含油氣預(yù)測(cè)技術(shù)應(yīng)用進(jìn)展綜述[J];地球物理學(xué)進(jìn)展;2014年05期

8 楊志芳;曹宏;姚逢昌;晏信飛;孫衛(wèi)濤;劉嘉瑋;唐剛;盧明輝;巴晶;;復(fù)雜孔隙結(jié)構(gòu)儲(chǔ)層地震巖石物理分析及應(yīng)用[J];中國(guó)石油勘探;2014年03期

9 熊鐳;張超謨;張沖;謝冰;丁一;韓淑敏;;A地區(qū)頁(yè)巖氣儲(chǔ)層總有機(jī)碳含量測(cè)井評(píng)價(jià)方法研究[J];巖性油氣藏;2014年03期

10 周正;王興志;謝林;莫靜;張杰;;川中地區(qū)震旦系燈影組儲(chǔ)層特征及物性影響因素[J];天然氣地球科學(xué);2014年05期

相關(guān)博士學(xué)位論文 前2條

1 徐f 昊;川中地區(qū)震旦系燈影組和寒武系龍王廟組流體系統(tǒng)與油氣成藏[D];成都理工大學(xué);2017年

2 郭剛明;地震屬性技術(shù)的研究與應(yīng)用[D];西南石油學(xué)院;2005年

相關(guān)碩士學(xué)位論文 前2條

1 吳施楷;基于深度學(xué)習(xí)的天然氣儲(chǔ)層檢測(cè)方法研究[D];成都理工大學(xué);2017年

2 姚維益;地震屬性技術(shù)研究及其在勝利富林洼陷儲(chǔ)層預(yù)測(cè)中的應(yīng)用[D];成都理工大學(xué);2008年

本文編號(hào)：2754441