一种基于深度学习技术的预测储层物性参数方法

摘要

本发明涉及油气勘探技术领域，具体公开了一种基于深度学习技术的预测储层物性参数方法，包括：S1：获取实际勘探的测井数据，从中选取不同的特征参数用来储层物性参数的预测；S2：基于全连接神经网络构建预测模型，将全部数据分成训练集和测试集作为输入；S3：对训练集和测试集的数据进行标准化处理，通过Dropout正则化方法防止过拟合；S4：根据损失函数的计算结果来优化模型，运用预测模型进行储层物性参数的预测；本发明有效建立储层物性参数与原始测井参数之间的非线性映射关系，并准确有效对获取数据所覆盖的区域进行物性参数预测，节约了人力物力资源，极大地提高了预测效率和准确度，具有更好的学习和泛化能力。