2023年第38卷第2期2023，38(2):0748-0758地球物理学进展ProgressinGeophysicshttp://www．progeophys．cnISSN1004-2903CN11-2982/P王玥天，毛志强，胡琮，等．2023．基于深度卷积神经网络的岩石矿物组分含量测井评价方法研究．地球物理学进展，38(2):0748-0758，doi:10．6038/pg2023GG0380．WANGYueTian，MAOZhiQiang，HUCong，etal．2023．Ｒesearchonloggingevaluationmethodofrockmineralcompositionbasedondeepconvolutionalneuralnetwork．ProgressinGeophysics(inChinese)，38(2):0748-0758，doi:10．6038/pg2023GG0380．基于深度卷积神经网络的岩石矿物组分含量测井评价方法研究Ｒesearchonloggingevaluationmethodofrockmineralcompositionbasedondeepconvolutionalneuralnetwork王玥天1，毛志强1*，胡琮2，李高仁2，何伟1，马凤情1WANGYueTian1，MAOZhiQiang1*，HUCong2，LIGaoＲen2，HEWei1，MAFengQing1收稿日期2022-09-15;修回日期2022-12-08．投稿网址http://www．progeophys．cn基金项目国家科技重大专项(2016ZX05050-008)和中国石油长庆油田公司科学研究与技术开发项目(ZY20-XA407-TPFW713)联合资助．第一作者简介王玥天，男，1995年生，中国石油大学(北京)在读博士研究生，研究方向为测井解释与储层评价．E-mail:745443224@qq．com*通讯作者毛志强，男，1962年生，博士，教授，博士生导师，从事岩石物理、测井解释与储层评价等方面的研究工作．E-mail:maozq@cup．edu．cn1．油气资源与探测国家重点实验室，中国石油大学(北京)，北京1022492．中国石油长庆油田分公司勘探开发研究院，西安7100181．StateKeyLaboratoryofPetroleumＲesourcesandProspecting，ChinaUniversityofPetroleum(Beijing)，Beijing102249，China2．ＲesearchInstituteofExplorationandDevelopment，PetroChinaChangqingOilfieldCompany，Xi'an710018，China摘要岩石矿物组分含量是地球物理勘探开发中的重点关注对象．在岩心与地层元素测井资料较少的情况下，如何提高矿物组分含量参数的预测精度显得尤为关键．本文采用深度学习方法，利用常规测井曲线对来自于地层元素测井获得的矿物组分含量进行预测．首先基于残差网络(ＲesNet)框架，利用一维卷积核和池化核构建了卷积神经网络模型．模型采用自然伽马、自然电位、井径、阵列感应电阻率、三孔隙度以及光电吸收截面指数测井参数作为输入，地层元素测井获得的矿物组分含量作为输出．随后对所搭建卷积神经网络进...
