刘　洋

(中国地质大学 地球科学学院，武汉 430074)

利用地震属性进行储层研究，在油气勘探开发中得到了广泛的应用[1]。其中利用地震属性包含的地层厚度信息[2-3]定量估算储层厚度，是储层预测的重要研究内容。A.R.Brown等[4]、D.B.Neff[5]、P.Connolly[6]等研究了利用地震走时与地震振幅属性相结合的储层厚度估算方法。这类方法主要利用地震走时信息，同时依据储层厚度对振幅的调谐效应，将地震振幅属性作为走时信息的补充，因此本质上是一定厚度范围内振幅属性厚度估算，应用范围受到限制。

近年来，利用地震多属性计算储层厚度得到越来越多的研究和应用。这些方法可以分为2类：线性方法和非线性方法。王世龙等[7]、王开燕等[8]研究了地震多属性预测储层厚度的线性方法，该类方法计算快捷、稳定；但是由于地震多属性与储层厚度在内的多种信息存在非线性关系，线性方法预测储层厚度难以保证精度。非线性算法以人工神经网络为代表，陆光辉等[9]、王婷等[10]研究了其在多属性预测储层厚度中的应用，取得了较好的效果。神经网络等非线性方法理论上能提高厚度预测的精度，但该类方法受训练样本种类和数量的影响较大，在钻井数量较少、分布不合理、缺少地质规律的支撑的情况下，预测结果虽然在井点精度高，但整体不能反映地质规律，甚至出现异常值[11]。为了解决常规神经网络算法受训练样本数量影响大而预测结果不稳定的问题，本文引入能够反映储层空间变化规律的沉积相信息，在沉积相的控制下增加训练样本，从而提出基于相控神经网络的地震多属性储层厚度预测方法，以达到提高预测结果精度和地质合理性目的。……