CO制造技术

本发明专利技术提供了一种CO

CO

【技术实现步骤摘要】
CO2气驱前缘位置的判断方法及其模型训练方法、装置
本专利技术涉及CO2封存监测
，尤其是涉及一种CO2气驱前缘位置的判断方法及其模型训练方法、装置。
技术介绍
目前的CO2封存监测主要采用时移地震、时移VSP(VerticalSeismicProfiling，垂直地震剖面)、瞬变电磁法等，通过不同时期的地震属性差异来判断CO2的运移规律；基于时移VSP数据的全波形反演方法，计算得到不同时期的储层速度变化情况，进而CO2的气驱前缘位置。现有技术中常用全波形反演对地震记录中的有效信息进行反演计算，从而判断CO2气驱前缘的位置。全波形反演可以基于VSP地震数据和地面地震数据，VSP数据虽然分辨率高但观测范围小，地面地震数据观测范围大但分辨率低。而且全波形反演的计算量巨大，对计算机的计算速度要求很高，反演耗时较长，是一种低效计算方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种CO2气驱前缘位置的方法及其模型训练方法、装置，可充分利用地面地震及VSP数据实现了对CO2气驱前缘的位置的判断，在保证了地面地震数据观测范围大的同时确保了分辨率，降低了全波形反演的计算量。第一方面，本专利技术实施例提供了一种用于CO2气驱前缘位置判断的模型训练方法，该方法包括：获取储层纵、横波速度以及密度参数；储层纵、横波速度以及密度参数通过输入预先构建的初始地质构造模型及垂直地震剖面数据进行全波形反演，实时更新初始地质构造模型，将获得的纵波速度、横波速度以及密度参数记为全波形反演结果；将垂直地震剖面数据以及全波形反演结果输入至预设的神经网络模型中进行训练；当预设的神经网络模型中的输出结果满足预设的期望阈值时停止模型的训练，得到CO2气驱前缘位置判断的模型。在一些实施方式中，上述预先构建的初始地质构造模型的构建过程，包括：获得地震层位、断层和地质异常体的构造解释结果；获得纵、横波速度、密度的测井曲线数据；将测井曲线数据在构造解释结果的约束下进行插值，得到低频的初始地质构造模型。在一些实施方式中，上述将更新后的纵波速度、横波速度以及密度参数记为全波形反演结果的步骤，包括：对垂直地震剖面数据进行上下行波分离，得到垂直地震剖面数据的上行波和下行波；选取垂直地震剖面数据的下行波，利用预先构建的初始地质构造模型的输出结果进行全波形反演，得到全波形反演结果。在一些实施方式中，上述选取垂直地震剖面数据的下行波，利用预先构建的地质构造模型的输出结果进行全波形反演，得到全波形反演结果的步骤，包括：选取垂直地震剖面数据的下行波；根据垂直地震剖面数据中的地层衰减因子，将下行波进行单程衰减，得到衰减后的下行波；将衰减后的下行波及预先构建的初始地质构造模型的输出结果进行全波形反演，得到全波形反演结果。在一些实施方式中，上述当预设的神经网络模型中的输出结果满足预设的期望阈值时停止模型的训练，得到CO2气驱前缘位置判断的模型的步骤，包括：获取预设的神经网络模型的输出结果；计算预设的神经网络模型的输出结果与全波形反演结果的差异程度；当差异程度达到预设的期望阈值时，停止模型的训练，得到CO2气驱前缘位置判断的模型。在一些实施方式中，上述神经网络模型为CNN、AlexNet、ZFNet、VGGNet、GoogLeNet、ResNet、UNet以及SRCNN中的任意一种。第二方面，本专利技术实施例提供了一种CO2气驱前缘位置的判断方法，该方法包括：获取多个时期的时移地面地震数据；将多个时期的时移地面地震数据输入至预先完成训练的CO2气驱前缘位置判断模型中，输出多个时期的储层参数；储层参数包括纵波速度、横波速度以及密度参数；CO2气驱前缘位置判断模型通过上述用于CO2气驱前缘位置判断的模型训练方法训练得到；根据多个时期的储层参数进行做差，得到纵波速度、横波速度以及密度参数对应的差异性数据体，通过差异性数据体进行分析，得到CO2气驱前缘位置。第三方面，本专利技术实施例提供了一种用于CO2气驱前缘位置判断的模型训练装置，该装置包括：数据采集模块，用于获取储层纵、横波速度以及密度参数；全波形反演模块，用于储层纵、横波速度以及密度参数通过输入预先构建的初始地质构造模型及垂直地震剖面数据进行全波形反演，实时更新初始地质构造模型，将获得的纵波速度、横波速度以及密度参数记为全波形反演结果；模型训练模块，用于将垂直地震剖面数据以及全波形反演结果输入至预设的神经网络模型中进行训练；模型获取模块，用于当预设的神经网络模型中的输出结果满足预设的期望阈值时停止模型的训练，得到CO2气驱前缘位置判断的模型。第四方面，本专利技术实施例提供了一种CO2气驱前缘位置的判断装置，该装置包括：数据获取模块，用于获取多个时期的时移地面地震数据；识别模块，用于将多个时期的时移地面地震数据输入至预先完成训练的CO2气驱前缘位置判断模型中，输出多个时期的储层参数；储层参数包括纵波速度、横波速度以及密度参数；CO2气驱前缘位置判断模型通过上述用于CO2气驱前缘位置判断的模型训练方法训练得到；判断模块，用于根据多个时期的储层参数进行做差，得到纵波速度、横波速度以及密度参数对应的差异性数据体，通过差异性数据体进行分析，得到CO2气驱前缘位置。第五方面，本专利技术实施例提供了一种电子设备，该电子设备包括：处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行如第一方面和第二方面提供的方法。本专利技术实施例带来了以下有益效果：本专利技术实施例提供了一种CO2气驱前缘位置的方法及其模型训练方法、装置，该CO2气驱前缘位置判断的模型训练方法首先获取储层纵、横波速度以及密度参数，然后将储层纵、横波速度以及密度参数通过输入预先构建的初始地质构造模型及垂直地震剖面数据进行全波形反演，并实时更新初始地质构造模型，将获得的纵波速度、横波速度以及密度参数记为全波形反演结果。再将垂直地震剖面数据以及全波形反演结果输入至预设的神经网络模型中进行训练，当预设的神经网络模型中的输出结果满足预设的期望阈值时停止模型的训练，得到CO2气驱前缘位置判断的模型。当使用训练完成的CO2气驱前缘位置判断模型进行CO2气驱前缘位置判断的过程中，首先获取多个时期的时移地面地震数据，然后将多个时期的时移地面地震数据输入至预先完成训练的CO2气驱前缘位置判断模型中，输出多个时期的储层参数，根据多个时期的储层参数进行做差，得到纵波速度、横波速度以及密度参数对应的差异性数据体，通过差异性数据体进行分析，得到CO2气驱前缘位置。在CO2气驱前缘位置的判断过程中，可充分利用地面地震及VSP数据实现了对CO2气驱前缘的位置的判断，在保证了地面地震数据观测范围大的同时确保了分辨率，降低了全波形反演的计算量。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目本文档来自技高网...

【技术保护点】
1.一种用于CO

【技术特征摘要】
1.一种用于CO2气驱前缘位置判断的模型训练方法，其特征在于，所述方法包括：
获取储层纵、横波速度以及密度参数；
所述储层纵、横波速度及密度参数通过输入预先构建的初始地质构造模型及垂直地震剖面数据进行全波形反演，实时更新初始地质构造模型，将获得的纵波速度、横波速度以及密度参数记为全波形反演结果；
将所述垂直地震剖面数据以及全波形反演结果输入至预设的神经网络模型中进行训练；
当所述预设的神经网络模型中的输出结果满足预设的期望阈值时停止所述模型的训练，得到所述CO2气驱前缘位置判断的模型。


2.根据权利要求1所述的模型训练方法，其特征在于，所述预先构建的初始地质构造模型的构建过程，包括：
获得地震层位、断层和地质异常体的构造解释结果；
获得纵、横波速度、密度的测井曲线数据；
将所述测井曲线数据在所述构造解释结果的约束下进行插值，得到低频的初始地质构造模型。


3.根据权利要求1所述的模型训练方法，其特征在于，将更新后的纵波速度、横波速度以及密度参数记为全波形反演结果的步骤，包括：
对所述垂直地震剖面数据进行上下行波分离，得到所述垂直地震剖面数据的上行波和下行波；
选取所述垂直地震剖面数据的下行波，利用所述预先构建的初始地质构造模型进行全波形反演，得到全波形反演结果。


4.根据权利要求1所述的模型训练方法，其特征在于，选取所述垂直地震剖面数据的下行波，利用所述预先构建的地质构造模型的输出结果进行全波形反演，得到全波形反演结果的步骤，包括：
选取所述垂直地震剖面数据的下行波；
根据所述垂直地震剖面数据中的地层衰减因子，将所述下行波进行单程衰减，得到衰减后的所述下行波；
将衰减后的所述下行波及所述预先构建的初始地质构造模型进行全波形反演，得到全波形反演结果。


5.根据权利要求1所述的模型训练方法，其特征在于，当所述预设的神经网络模型中的输出结果满足预设的期望阈值时停止所述模型的训练，得到所述CO2气驱前缘位置判断的模型的步骤，包括：
获取所述预设的神经网络模型的输出结果；
计算所述预设的神经网络模型的输出结果与所述全波形反演结果的差异程度；
当所述差异程度达到预设的期望阈值时，停止所述模型的训练，得到所述CO2气驱前缘位置判断的模型。


6.根据权利要求1所述的模型训练方法，其特征在于，所述神经网络模...

【专利技术属性】
技术研发人员：李冬，彭苏萍，郭银玲，卢勇旭，崔晓芹，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京;11