摘要：深度學習善于從原始數據輸入中挖掘其內在的抽象特征,十余年來,其在語音識別、語義分析、圖像分析等領域取得了巨大成功,也大大推動了人工智能的發展。本文基于深度學習中廣泛應用的卷積神經網絡算法,以大慶油田某區塊密井網數據為對象,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,并與原始分層數據比對進行誤差分析。按照訓練樣本的井數據比例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網絡算法能有效應用于依據測井曲線進行油藏規模地層自動對比,具有良好的發展前景。