张益明,张繁昌,丁继才,王 迪,牛 聪

(1.中海油研究总院,北京100027;2.中国石油大学(华东)地球科学与技术学院,山东青岛266580)

随着油气勘探的不断深入,致密油气储层已经成为一个新的勘探热点。但致密储层具有地层薄、孔隙度低、横向非均质性强等特点,此类非常规储层甜点识别是勘探工作中遇到的核心和难点问题[1-2]。现有储层反演等技术在解决此类问题时,主要依靠人工从属性数据体中寻找规律并确定甜点的最大可能区域。李岳桐等[3]通过构建振幅、频率融合属性预测岩性,然后通过优选敏感特征曲线反演预测细粒沉积岩致密油甜点区;汪关妹等[4]通过优选敏感弹性参数,基于保幅地震资料进行叠前弹性反演,预测致密砂岩含气富集区;朱超等[5]采用分频成像、90°相位旋转、分频属性优化等技术,对致密油甜点储层分布进行了有效预测。由于致密储层甜点与地震反射特征无明确的因果关系,因而甜点识别准确率低,且存在较大的主观性。

事实上,地震波场中隐含有地层甜点物性变化的影响,但由于地层参数与地震波之间复杂的响应机制,目前还没有系统的理论来描述致密储层甜点与地震响应之间的因果关系,尚未建立确定的正演理论模型。深度学习能够从数据本身挖掘有效信息,不需要确定的正演算法便可以建立预测模型[6-8],在地球物理领域得以广泛应用。杨柳青等[9]基于深度神经网络模型探讨了一种砂岩储层孔隙度预……