摘要
本发明将深度学习网络模型和地震反演结果引入到三维孔隙压力中,收集测井的密度、纵横波速度等弹性参数数据以及通过地震反演或得的三维弹性属性数据作为数据集,使用优化算法对网络模型进行优化和训练,将训练好的模型应用于测试区域,计算并输出三维孔隙压力预测结果,同时利用测井和地震等多源数据提供了更加全面的地质特征属性,能够从多源数据中共同学习深层特征,更好地进行孔隙压力预测。
技术关键词
深度学习网络模型
孔隙压力预测
状态空间模型
测井
三维地震数据
矩阵
标签
训练集数据
空间模块
纵横波速度
内核
模型超参数
定义
模型训练模块
系统为您推荐了相关专利信息
异常事件
周期性
门控循环单元
状态空间模型
注意力
降水预报方法
空间模块
雷达回波数据
空间特征信息
卷积模块
住房空置率
状态空间模型
马尔科夫链蒙特卡洛算法
动态演化过程
电力
GNSS数据
视觉
滤波器
协方差矩阵
卡尔曼滤波算法