基于稀疏诱导特征选择神经网络的储层预测方法研究

摘要

常规储层预测方法对地震属性之间的隐含关系挖掘不充分、地震属性种类繁多难以选择。针对以上问题,为提高储层岩性的分类预测精度,提出一种结合特征选择与神经网络的储层预测方法。以DenseNet与SENet为基础,使用正则惩罚项进行网络输入层稀疏化,得到每个输入节点权重,进一步使用ReLU激活函数构建特征选择层,实现地震属性的筛选。实验使用胜利油田的地震属性数据与钻井岩性数据,结果表明,该方法对储层岩性分类效果具有明显的提升,分类准确率超过70%,验证了神经网络模型与该特征选择方法的有效性。