砂体分布预测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种砂体分布预测方法、装置、设备及可读存储介质，通过获取待测井点的不同频率的预设分频地震属性值，将不同频率的预设分频地震属性值输入到训练后的融合模型中来计算砂体厚度值，输出所述砂体厚度值。其中，所述训练后的融合模型是反映已测井点的分频地震属性值与测井解释的砂体厚度值的映射关系的机器学习模型。通过本方案，一方面降低了地震属性的多解性，同时建立了测井参数与地震属性之间的非线性映射，能够描述更加复杂的关系，另一方面充分利用了分频地震属性来提高地震属性的分辨率并调整地震属性的调谐厚度，从而兼顾了薄层、厚层的砂体分布预测。

Sand Distribution Prediction Method, Device, Equipment and Readable Storage Media

The invention discloses a sand body distribution prediction method, device, equipment and readable storage medium. By acquiring the preset frequency division seismic attribute values of different frequencies of the logging points, the preset frequency division seismic attribute values of different frequencies are input into the training fusion model to calculate the sand body thickness values and output the sand body thickness values. The training fusion model is a machine learning model which reflects the mapping relationship between the frequency division seismic attribute values of the well logging points and the thickness values of the sand body interpreted by the well logging. Through this scheme, on the one hand, the multi-solution of seismic attributes is reduced, and the non-linear mapping between logging parameters and seismic attributes is established, which can describe more complex relations. On the other hand, the frequency-division seismic attributes are fully utilized to improve the resolution of seismic attributes and adjust the tuning thickness of seismic attributes, thus taking into account the distribution prediction of thin and thick sand bodies.

【技术实现步骤摘要】
砂体分布预测方法、装置、设备及可读存储介质
本专利技术涉及地球物理勘探
，尤其涉及一种砂体分布预测方法、装置、设备及可读存储介质。
技术介绍
砂体具有一定的孔隙度、渗透率等较好的物性特征，是构成油气储集的良好场所之一，因此砂体预测在油气勘探领域具有重要意义。随着三维地震资料的普及与品质的提高，基于三维地震资料的地震属性分析方法得以快速发展，地震属性分析方法已广泛应用于储层预测。目前，针对地震属性分析方法的改进，主要集中于两方面：一方面是开发全新的地震属性，以期通过更加适合的算法，使得全新的地震属性能更好地突出储层的某一特征，比如砂体分布、孔隙度、渗透率分布等。然而，目前已经提出的地震属性多达数百种，众多地震属性之间存在高度相似的情况，发展逐渐放缓；另一方面是将已有的地震属性，通过算法进行合理的融合，以期保留多角度的有效地震信息，并得到更加稳定的、可靠的、能够反映储层特征的融合地震属性。现有的地震分频技术，是将原始地震数据分解为高、中、低频的分频地震数据体，并从中提取相应的地震属性。其中，高频地震数据的地震属性分辨率高，调谐厚度小，适合预测薄层砂体。低频地震属性的分辨率低，调谐厚本文档来自技高网...

【技术保护点】
1.一种砂体分布预测方法，其特征在于，包括：获取待测井点的不同频率的预设分频地震属性值；将所述不同频率的预设分频地震属性值输入到训练后的融合模型中，计算砂体厚度值；输出所述砂体厚度值；其中，所述训练后的融合模型是反映已测井点的分频地震属性值与测井解释的砂体厚度值的映射关系的机器学习模型。

【技术特征摘要】
1.一种砂体分布预测方法，其特征在于，包括：获取待测井点的不同频率的预设分频地震属性值；将所述不同频率的预设分频地震属性值输入到训练后的融合模型中，计算砂体厚度值；输出所述砂体厚度值；其中，所述训练后的融合模型是反映已测井点的分频地震属性值与测井解释的砂体厚度值的映射关系的机器学习模型。2.根据权利要求1所述的方法，其特征在于，所述获取待测井点的不同频率的预设分频地震属性值，具体包括：获取所述待测井点的原始地震数据体；从所述原始地震数据体中提取不同频率的分频数据体；从每种频率的分频数据体中提取预设的分频地震属性；获取所述预设的分频地震属性对应的分频地震属性值。3.根据权利要求1所述的方法，其特征在于，所述获取待测井点的不同频率的预设分频地震属性值之前，还包括：获取训练前的融合模型的训练样本集和目标数据集；其中，所述训练样本集中的每个训练样本为每个已测井点的预设的分频地震属性值，所述目标数据集中的每个目标数据为每个已测井点的测井解释的砂体厚度值；将所述训练样本集和所述目标数据集输入到所述训练前的融合模型中，建立所述已测井点的分频地震属性值与测井解释的砂体厚度值的映射关系，以对所述训练前的融合模型进行训练，获得所述训练后的融合模型。4.根据权利要求2所述的方法，其特征在于，所述从所述原始地震数据体中提取不同频率的分频数据体，具体包括：对所述原始地震数据体进行分解，分别获取低频地震数据体、中频地震数据体和高频地震数据体；所述从每种频率的分频数据体中提取预设的分频地震属性，具体包括：从每种频率的分频数据体中提取均方根振幅属性及甜点属性。5.根据权利要求1-4任一项所述的方法，其特征在于，所述融合模型采用的算法包括：遗传算法、BP神经网络、支持向量机(SVM)算法以及深度学习算法。6.一种砂体分布预测装置，其特征在于，包括：获取模块，用于获取待测井点的不同频率的预设分频地震属性值；计算模块，用于将所述不同频率的预设分频地震属性值输入到训练后的融合模型中，计算砂体厚度值；...

【专利技术属性】
技术研发人员：李伟，岳大力，王文枫，吴胜和，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京,11