摘要
本发明适用于油气地球物理勘探技术领域,提供了基于深度学习框架的新AVO公式弹性参数自动微分反演方法,该方法提出只包含体积模量κ、剪切模量μ和密度ρ的地震弹性AVO表达式。使用基于深度学习框架的自动微分算法对新AVO公式进行多参数反演。本方法有效消除了传统方法对储层反演精度的负面影响。此外,本方法显著降低了进行复杂地震模型反演的计算成本,实现了更为高效和经济的AVO分析。本方法的性能卓越,能够精确地模拟出不同地层的弹性参数随入射角改变的变化情况。这不仅提高了AVO反演的精度,还大幅提升了储层识别与评价的可靠性。这种精度的提高,对于提升地震勘探的整体效果,以及在油气资源开发等领域的实际应用中,具有重要的意义。
技术关键词
深度学习框架
剪切模量
反演方法
油气地球物理勘探技术
正则化参数
油气资源开发
储层反演
密度
地震模型
速度
地震勘探
表达式
偏差
精度
多参数
代表
变量
算法
系统为您推荐了相关专利信息
温度反演方法
发射率
多光谱辐射测温
序列二次规划算法
进化算法
传递路径分析方法
频率响应
路径分析系统
载荷
有限元模态分析
正则化参数
抽样方法
测量方法
数据处理程序
矩阵
遥感影像融合方法
超拉普拉斯先验
张量奇异值分解
低空间分辨率
正则化参数
自动化评估方法
评估指标体系
自动化评估系统
合规性
样本