永利6774app手机版官网碩士生衛潔在期刊《Applied sciences》上發表了題為“Application of Convolutional Neural Network in Quantifying Reservoir Channel Characteristics”的研究論文。永利6774app手机版官网為論文第一署名單位，衛潔為第一作者，其導師李少華教授為該文通訊作者。

該研究運用深度學習對三角洲前緣水下分流河道内單一河道寬度進行定量識别。為了解剩餘油的分布情況，需要從識别單一河道入手，逐步解剖分析複合河道砂體的非均質性，從而提高開采效率。河道砂體的寬度是設計井位布置方案的關鍵因素之一，并且識别單一河道的關鍵是能準确識别河道邊界。因此想要識别單一河道，必須确定河道寬度。該研究基于深度卷積神經網絡提出一種河道寬度模型優選方法，在确定河道砂體寬度應用中表現出良好的識别性能，對根據井點數據反推實際工區的河道砂體寬度以及分布特征具有實際意義。

研究以準噶爾盆地腹部古爾班通古特沙漠北部L油田為試驗區，根據區塊沉積背景以及現代沉積研究，采用基于目标模拟與人機交互的方法建立了不同河道寬度的水下分流河道候選模型（圖1），運用基于深度卷積神經網絡進行河道寬度模型優選，結果表明，當水下分流河道寬度為230m時與條件數據匹配率最高，與實際情況相符，可以确定其為研究區内水下分流河道的常見寬度。通過對水下分流河道寬度進行定量分析，為儲層精細非均質性研究提供了基礎，對根據井點數據反推實際工區的河道砂體寬度以及分布特征具有實際意義，也為多點地質統計學随機建模提供了依據。

論文鍊接：https://www.mdpi.com/2076-3417/14/6/2241

圖1 不同河道寬度條件下的候選模型

圖2 論文首頁