宋 磊 印兴耀* 宗兆云 李炳凯 瞿晓阳 郗晓萍

(①中国石油大学(华东)地球科学与技术学院，山东青岛 266580； ②东方地球物理公司研究院地质研究中心，河北涿州 072751)

0 引言

地震波阻抗反演以地震资料为基础，通过综合利用地质和测井资料从有限频宽的地震数据中恢复得到宽频带波阻抗数据，现已广泛应用于油气勘探阶段的储层定性、定量预测和油气开发阶段的井网部署、储量计算、油藏动态监测等方面[1-2]。由于实际地球物理问题十分复杂，人们对其认知通常又十分模糊，这使得在反演波阻抗时构建的模型大多是近似的。而深度学习算法可从大量已有数据中学习到隐含知识，从而使所构建数学模型更有利于对那些知识背景不清晰、模型欠精确的问题进行求解，因此该算法适用于波阻抗反演。

深度学习源于神经网络研究，此概念由Hinton等[3]率先提出。相比于提升方法、支持向量机、最大熵方法等通过人工抽取样本特征且只能学习到没有层次结构的单层特征的“浅层学习”方法而言，深度学习通过对输入样本逐层进行特征变换以学习得到数据的层次化特征表示[4-6]。深度学习模型的复杂度高，非线性层级数大，可实现对复杂函数的逼近，但通常复杂模型的训练效率低、易陷入过拟合。而随着云计算、大数据时代的到来，高性能计算集群有效地缓解了训练的低效性，海量训练数据降低了过拟合风险，促进了深度学习的研究与应用的逐步升温[7]。……