[发明专利]一种基于残差网络的岩性预测方法

摘要

本发明公开了一种基于残差网络的岩性预测方法，解决了岩性定性分析问题，利用残差网络可构建更深层卷积网络的特点挖掘地震属性与岩性之间的内在关系，在训练好预测模型后，能够根据地震属性形成的特征图得出其相对应的岩性类别，根据数据中岩性类别的种类个数决定输出标签的个数，即输出层神经元个数，每个神经元的输出值代表这组数据属于对应岩性类别的概率，可以更精确的表示它的岩性特征。

主权项

1.一种基于残差网络的岩性预测方法，其特征在于，包括以下步骤：A.输入特征图形成：本发明的残差网络在进行训练之前将井上位置对应的地震网格处的地震属性经过筛选组成N*N大小的矩阵，形成单通道特征图，作为网络的输入，井上岩性标记作为输出标签；B.残差块的设计：本发明采用的残差网络与普通卷积神经网络的区别在于残差块的存在，可使网络达到很深的深度，可通过残差块内部卷积层是否采用0填充的方式来控制处理前后的特征图的大小的改变；C.残差网络结构设计：本发明使用A中得到的残差块，结合池化层、BN层与softmax层构建网络模型，将准备好的地震属性特征图和岩性标签分批输入残差网络模型进行有监督的训练，进行网络训练的时候根据准确率调整网络中残差块的数量、BN层位置以及学习率等网络参数，最终保留能够使学习效果最好的网络结构；D.预测同工区内未探明岩性位置的岩性：本发明通过C获得网络训练预测模型，然后按照A规定的特征图排列方式将地震属性输入模型，通过我们训练好的预测模型预测出其相对应的各类岩性类别的隶属度，岩性分类的标签是一个在[0,1]范围内的浮点型数据，表示属于该类岩性的概率大小，而不是简单的0、1表示，可以更精确的表示它的岩性特征。