基于自适应门控补偿网络的剪切波速度预测方法

《Journal of Geophysics and Engineering》：Adaptive Gated Compensation Network for Shear Wave Velocity Prediction

　　

摘要

准确的剪切波速度（V_S）估计对于地震反演和储层表征至关重要。双极声波测井的成本和作业要求可能会限制实测V_S的可用性。从常规测井数据中预测V_S是一个实用的替代方案。经验关系可能对地质条件敏感，而用有限数据训练的深度学习模型在训练集中未包含的井中预测精度可能较低。本文提出了一种自适应门控补偿网络（AGC-Net），该网络将物理启发的线性捷径与门控深度序列路径相结合。线性分支提供基线估计，而时间卷积和注意力机制则用于建模非线性校正。一个输入依赖的增强门对这些校正进行缩放，复合损失函数将均方误差与一致性相关系数（CCC）损失结合起来。在盲测试井中，AGC-Net的性能优于八种基线模型，决定系数（R²）达到0.808。均方根误差和平均绝对误差分别为70.5 m/s和53.9 m/s。消融实验支持了线性捷径、门控增强和CCC损失在所评估划分中的贡献。移除线性捷径导致盲井精度下降幅度最大。