摘要：深度學習善于從原始數(shù)據(jù)輸入中挖掘其內(nèi)在的抽象特征,十余年來,其在語音識別、語義分析、圖像分析等領(lǐng)域取得了巨大成功,也大大推動了人工智能的發(fā)展。本文基于深度學習中廣泛應用的卷積神經(jīng)網(wǎng)絡算法,以大慶油田某區(qū)塊密井網(wǎng)數(shù)據(jù)為對象,開展自動地層對比試驗。實驗中,隨機選取部分井作為訓練樣本,對另一部分井分層進行預測,并與原始分層數(shù)據(jù)比對進行誤差分析。按照訓練樣本的井數(shù)據(jù)比例65%、40%、20%和10%,將實驗分為4組,每組實驗包括油層組、砂層組和小層級3個相互獨立的實驗。12個實驗結(jié)果表明:訓練量越大,地層級別越高(厚度越厚),自動對比效果越好;20%的訓練量就可以較可靠地進行砂組及以上級別地層單元(厚度不小于10 m)的自動對比。該實驗表明卷積神經(jīng)網(wǎng)絡算法能有效應用于依據(jù)測井曲線進行油藏規(guī)模地層自動對比,具有良好的發(fā)展前景。