杨娜霞，赵东凤，郭淑文，等．基于模型的薄层结构智能反演试验分析［Ｊ］．石油物探，２０２３，６２（３）：４１９－４３０ＹＡＮＧＮａｘｉａ，ＺＨＡＯＤｏｎｇｆｅｎｇ，ＧＵＯＳｈｕｗｅｎ，ｅｔａｌ．Ｅｘｐｅｒｉｍｅｎｔａｌａｎａｌｙｓｉｓｏｆｉｎｔｅｌｌｉｇｅｎｔｉｎｖｅｒｓｉｏｎｆｏｒｔｈｉｎ－ｌａｙｅｒｓｔｒｕｃｔｕｒｅｂａｓｅｄｏｎｍｏｄｅｌ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＰｒｏｓｐｅｃｔｉｎｇｆｏｒＰｅｔｒｏｌｅｕｍ，２０２３，６２（３）：４１９－４３０收稿日期：２０２２－０２－２６。第一作者简介：杨娜霞（１９９６—），女，博士在读，研究方向为高分辨率地震反演。Ｅｍａｉｌ：１３１２１５８６０２２＠１６３．ｃｏｍ基金项目：国家自然科学基金面上项目（４１８７４１４１）与中国石油天然气集团有限公司中国石油大学（北京）战略合作科技专项（ＺＬＺＸ２０２０－０３）共同资助。ＴｈｉｓｒｅｓｅａｒｃｈｉｓｆｉｎａｎｃｉａｌｌｙｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ＧｒａｎｔＮｏ．４１８７４１４１）ａｎｄｔｈｅＳｔｒａｔｅｇｉｃＣｏｏｐｅｒａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＰｒｏｊｅｃｔｏｆＣＮＰＣａｎｄＣＵＰＢ（ＧｒａｎｔＮｏ．ＺＬＺＸ２０２０－０３）．基于模型的薄层结构智能反演试验分析杨娜霞１，２，赵东凤１，２，郭淑文３，熊金良４，李国发１，２（１．中国石油大学（北京）油气资源与探测国家重点实验室，北京１０２２４９；２．中国石油大学（北京）ＣＮＰＣ物探重点实验室，北京１０２２４９；３．中国石油天然气股份有限公司大港油田勘探开发研究院，天津３００２８０；４．中国石油天然气股份有限公司大港油田分公司，天津３００２８０）摘要：受地震数据有效频带的限制，常规的地震反演方法很难对薄层结构进行准确刻画和描述。基于机器学习的地震反演方法是近年来用于薄层结构预测的新技术。为此，基于ＢＬＳＴＭ－Ｎｅｔ神经网络模型，针对薄层空间结构的预测问题开展了简单及复杂陆相沉积模型的阻抗反演试验分析。首先，构建简单的薄互层模型，开展基于ＢＬＳＴＭ－Ｎｅｔ模型智能反演与基于测井约束的常规地震反演方法的试验对比，同时对ＢＬＳＴＭ－Ｎｅｔ模型的抗噪性进行测试；然后，构建典型的陆相沉积复杂薄互层地质模型，对反演结果的可靠性及其对地震频带的依赖性进行试...
