文献类型：期刊文章

作　　者：黄勇波[1] 韩长城[1] 魏亚涛[1] 周彦旭[1] 蒋鑫[1] 李佳璇[1] 张裕奇[1]

HUANG Yongbo;HAN Changcheng;WEI Yatao;ZHOU Yanxu;JIANG Xin;LI Jiaxuan;ZHANG Yuqi(Xinjiang Key Laboratory of Geodynamic Processes and Metallogenic Prognosis of the Central Asian Orogenic Belt,School of Geology and Mining Engineering,Xinjiang University,Urumqi Xinjiang 830017,China)

机构地区：[1]新疆大学地质与矿业工程学院新疆中亚造山带大陆动力学与成矿预测自治区重点实验室,新疆乌鲁木齐830017

出　　处：《新疆大学学报(自然科学版中英文)》

基　　金：新疆维吾尔自治区天山英才计划“准噶尔盆地西北缘油-铀同盆共生体系及铀矿富集机制研究”(2023TSYCCX0009).

年　　份：2025

卷　　号：42

期　　号：3

起止页码：300-311

语　　种：中文

收录情况：普通刊

摘　　要：岩相分析是寻找优质储层的基础,但对于无井区域或受限于井间复杂的地质条件,传统技术难以快速、准确识别岩相类型及其空间展布.故通过深度学习实现对岩相的高效识别,提出一种加入连续小波变换(CWT)的卷积神经网络(CNN)岩相识别方法.将该方法应用于准噶尔盆地征沙村地区克拉玛依组,主要步骤包括:依据岩心和测井特征划分典型岩相,基于合成记录的井震匹配对测井岩相与叠后地震资料进行匹配,利用Morlet小波变换将匹配的地震波转化为时频谱图,生成不同岩相的时频谱图数据集,并构建CNN模型进行训练、测试与验证.在层位约束条件下,研究不同岩相的平面展布.结果表明:Morlet小波结合CNN的模型可实现较高识别精度,X2盲井的4种岩相识别率均超过85%,显著提升了岩相识别的效率和精度.

关 键 词：岩相预测  卷积神经网络 连续小波变换 叠后地震资料  时频谱图  克拉玛依组  

分 类 号：TU521.3]