小样本条件下的深水海底扇岩石相智能分类

摘要

针对深水海底扇油气藏的勘探开发作业成本高、施工难度大、技术要求高,岩石取芯数量有限,因此获取的岩石相样本数量较少这一问题,提出了基于小样本的深水海底扇岩石相智能分类方法。首先,利用经验模态分解方法(EMD)和滑动窗口为每个井点构建多层图像样式作为输入;其次,利用长短时记忆网络(LSTM)和卷积神经网络(CNN)算法构建岩石相识别模型;再利用生成对抗网络(GAN)模型扩充少数类样本;最后,引入遗传算法(GA)优化模型参数。以西非尼日尔三角洲盆地Akpo油田为研究工区,利用此方法开展岩石相智能识别研究。研究表明,本文提出的GAN-GA-CNN模型对岩石相的分类准确率可达94.22%,相比原始的CNN模型的预测精度有很大提升,证明了本文所提方法的可行性。

关键词

岩石相识别 / 海底扇储层 / 小样本 / 深度学习 / 遗传算法