摘要：深度學(xué)習(xí)善于從原始數(shù)據(jù)輸入中挖掘其內(nèi)在的抽象特征,十余年來(lái),其在語(yǔ)音識(shí)別、語(yǔ)義分析、圖像分析等領(lǐng)域取得了巨大成功,也大大推動(dòng)了人工智能的發(fā)展。本文基于深度學(xué)習(xí)中廣泛應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)算法,以大慶油田某區(qū)塊密井網(wǎng)數(shù)據(jù)為對(duì)象,開展自動(dòng)地層對(duì)比試驗(yàn)。實(shí)驗(yàn)中,隨機(jī)選取部分井作為訓(xùn)練樣本,對(duì)另一部分井分層進(jìn)行預(yù)測(cè),并與原始分層數(shù)據(jù)比對(duì)進(jìn)行誤差分析。按照訓(xùn)練樣本的井?dāng)?shù)據(jù)比例65%、40%、20%和10%,將實(shí)驗(yàn)分為4組,每組實(shí)驗(yàn)包括油層組、砂層組和小層級(jí)3個(gè)相互獨(dú)立的實(shí)驗(yàn)。12個(gè)實(shí)驗(yàn)結(jié)果表明:訓(xùn)練量越大,地層級(jí)別越高(厚度越厚),自動(dòng)對(duì)比效果越好;20%的訓(xùn)練量就可以較可靠地進(jìn)行砂組及以上級(jí)別地層單元(厚度不小于10 m)的自動(dòng)對(duì)比。該實(shí)驗(yàn)表明卷積神經(jīng)網(wǎng)絡(luò)算法能有效應(yīng)用于依據(jù)測(cè)井曲線進(jìn)行油藏規(guī)模地層自動(dòng)對(duì)比,具有良好的發(fā)展前景。