摘要
本发明涉及了一种基于人工智能的煤系储层含气性预测方法、系统及介质,一种基于人工智能的煤系储层含气性预测方法,包括:基于测井解释数据自适应岩石物理建模,得到纵横波速度和密度的计算结果;基于岩石物理建模所获得的纵横波速度和密度,获得角速度弹性阻抗,训练预测弹性参数的深度神经网络模型,基于叠前地震数据进行弹性阻抗反演得到弹性阻抗数据体,实现弹性参数反演;基于测井解释数据的所述弹性参数、纵波阻抗以及实测含气量交会曲线图,确定含气性预测依据;基于含气性分析依据,进行含气量预测,给出含气性有利区及含气量定量计算结果。本发明能够给出与实测含气值吻合的预测结果,能够有效提升煤层储层预测的精度。
技术关键词
岩石物理建模
岩石物理模型
气性预测方法
纵横波速度比
深度神经网络模型
数据体
弹性参数反演
密度
叠前地震
计算误差
测井深度
定量预测方法
预测系统
识别储层
曲线
系统为您推荐了相关专利信息
储量估算方法
深度神经网络模型
深度学习模型
马尔可夫链蒙特卡罗
协方差矩阵
激光雷达点云数据
地形特征
地理信息系统数据
融合点云数据
识别方法
重构模型
数据预测模型
参数
深度学习模型
堆芯水位