本发明提供一种基于深度融合模型的储层多分类预测方法，包括：步骤1：获取井震数据并进行预处理；步骤2：通过特征优选算法获得更能代表储层特征的属性输入模型；步骤3：通过卷积神经网络进行横向切片特征学习；步骤4：设计时序特征并输入到循环神经网络分支进行预测；步骤5：将深度特征数据输入到深度特征网络中进行训练；步骤6：使用特征交叉方式进行自动特征工程计算；步骤7：进行多分类储层预测，获得储层预测结果。该基于深度融合模型的储层多分类预测方法能够快速的进行地震多特征的储层预测，解决了由于地质构造的复杂性以及地震数据特征多样性和冗余性而导致的储层预测难度大，准确率低，耗费人力和资源过多的问题。
声明：
“基于深度融合模型的储层多分类预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
786
编辑：管理员
来源：北方有色网
咨询细节
