Study on shale content prediction method based on deep learning

doi:10.1007/s11770-026-1399-9

Study on shale content prediction method based on deep learning

2026-02-01

0

PRE

AI

DOI：10.1007/s11770-026-1399-9

原文链接

原文求助

摘要

En 中文

页岩含量是解释储层岩性和物理性质的重要参数。准确计算页岩含量对于油气储层勘探开发具有重要意义。目前我们通常采用经验公式法或交会图法预测页岩含量，但这些方法无法充分利用其他测井信息。传统机器学习方法虽然能够建立测井参数与页岩含量之间的非线性关系，但预测精度有限且难以进一步提升。深度学习技术能够自动从数据中提取复杂的高维非线性特征，并充分利用各种测井曲线反映的页岩含量特征。基于自然伽马、中子、自然电位、电阻率和声波测井作为深度学习特征，本文构建了用于页岩含量预测的深度神经网络模型，该模型采用ReLu激活函数、Adam优化算法和dropout正则化方法。实际页岩含量预测数据的验证表明，深度学习技术在储层参数预测中的可行性和潜在应用价值。

Keyword:

artificial intelligence

logging interpretation

deep learning

shale content

deepneural network

Study on shale content prediction method based on deep learning

摘要

期刊

机构

引用论文