周恒 ，武中原 ，张欣 ，张春雷 ，马乔雨

（1.中国地质大学（北京）数理学院，北京 100083；2.北京师范大学统计学院，北京 100875；3.北京中地润德石油科技有限公司，北京 100083）

0 引言

碳酸盐岩储层已探明石油、天然气储量分别占全国石油、天然气储量的8%和28%，是重要的油气勘探目标[1-4]。但该类储层具有岩性多样、非均质性强、孔隙结构复杂的特点，给测井解释带来很大难度[5-7]。横波速度是进行碳酸盐岩储层评价、流体识别和叠前正反演必需的基础资料，将测井参数与纵横波速度资料相结合，可以有效提升储层物理参数预测效果和地震振幅解释效果[8-11]。不同于常规测井，横波速度通常需要通过偶极子声波得到。由于测试价格昂贵、测试结果较差、横波测井解释难度较高等诸多问题，实际生产中往往缺失横波速度资料，因此，开展碳酸盐岩储层的横波预测具有重要的意义[12-13]。

目前常用的横波预测方法主要有3种——经验公式法[14-17]、理论模型法[18-20]、机器学习法[21-22]。 经验公式法往往只适用于某一地区，缺乏泛用性，理论模型法参数众多且预测效果较差，因此近年来机器学习法得到迅速发展，在地质领域逐渐成为研究热点。传统的机器学习法，如决策树、支持向量机、多元线性回归等，是根据特定的学习准则构建测井参数与横波之间的映射关系，但忽略了连续变量的序列特征。循环神经网络（RNN）能够在一定程度上解决序列数据的前后关联问题，但由于梯度爆炸和梯度消失问题而效果不佳[23]。……