基于深度学习的地震多属性储层预测模型
2021-09-17穆朋飞王少鹏吴穹螈
石油化工应用 2021年8期
关键词:模型
穆朋飞,王少鹏,吴穹螈,李 扬,曹 龙
(中海石油(中国)有限公司天津分公司,天津 300452)
储层预测是指利用勘探开发各阶段的现有资料,采用尽可能丰富的手段,根据勘探开发的需要对储层的特征进行描述[1]。地震属性分析技术能将隐藏在地震中的隐蔽信息提取出来,并将这些信息转化成与之相对应的岩性、物性或油藏参数,广泛应用于海上油田的储层预测研究中。随着油气田勘探开发的不断深入,大型的背斜有关的油气田越来越少,岩性、断块,裂缝、隐蔽油气藏成为油田勘探开发的主力军,而对应的地震资料解释相对复杂,工作难度很大[2]。国内外学者利用地震属性开展储层研究做了大量的工作,取得了一系列成果。赵虎等[3]为了降低地震解释假象存在的概率,以实际油田为例建立了多套砂泥岩互层模型,从模型中挖掘出预测砂体的敏感属性,提高了储层预测精度;王世龙等[4]在进行储层厚度预测时,首先优选出能够较好描述砂体分布地震属性,对比不同回归方法的预测精度,认为偏最小二乘回归法预测砂体厚度相对准确;王开燕等[5]基于谱分解和地震多属性联合数据,采用线性回归的方法开展了储层预测厚度研究;陆光辉等[6]基于地震信息利用神经网络和专家优化法开展了储层厚度预测研究,以新疆焉耆盆地本布图地区为例对该方法进行了验证;刘洋[7]针对储层存在预测异常的问题,在划分沉积相的基础上增加训练样本,建立了相控神经网络模型,提高了储层预测精度。……
登录APP查看全文
