一种碳酸盐岩储层平面预测方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种碳酸盐岩储层平面预测方法、系统、设备及存储介质，方法包括：获取碳酸盐岩地震储层工区目的层平面属性资料，选出符合碳酸盐岩地震储层工区地质认识的多种敏感地震属性；将所述地震属性按对应顺序排列合并成一个整体的预测数据集；将整体的预测数据集作为输入通过深度学习算法预测模型进行预测计算，得到最终碳酸盐岩地震储层全工区的地震相预测结果以及预测概率。该方法提高碳酸盐岩缝洞型储层预测中多种敏感地震属性综合分析预测的解释精度。析预测的解释精度。析预测的解释精度。

【技术实现步骤摘要】
一种碳酸盐岩储层平面预测方法、系统、设备及存储介质


[0001]本专利技术属于碳酸盐岩地震储层预测
，涉及人工智能中的深度学习算法，特别是一种碳酸盐岩储层平面预测方法、系统、设备及存储介质。

技术介绍

[0002]地震属性通常能够反映地下地质体的变化特征，如断层发育、岩性的变化等，因此地震属性分析在地震储层预测中发挥着非常重要的作用。地震属性的种类繁多且不同的地震属性往往只针对某些特定的地质特征或异常体具有敏感性，通常还会受非研究目标的地质条件影响而需要综合分析去伪存真，因此利用单一属性分析进行储层预测往往会带来多解性。地震多属性融合或综合分析虽然会带来巨大的属性解释工作量但确实是降低储层预测多解性的一个有效手段，目前地震储层预测中多属性融合的方法众多，整体可归为两大类方向予以区别，一类是以敏感属性计算完成后的平面属性进行融合，另一类则是利用一定的纵向时窗(或深度)在地震属性计算的过程中进行融合，我们这里专利技术的内容属于第一类范畴。在地震储层预测中多属性融合常用的可分为RGB(或RGBA)融合、聚类分析融合、多元线性回归融合以及BP人工神经网络融合等，各种多属性融合方法均具有一定的效果及局限性。RGB类属性融合技术通过三基色显示融合视觉增强突出地质体特征，但必须使用三种或四种属性进行融合，并且融合后的属性常有杂乱现象使得属性解释存在困难；聚类分析地震属性融合通过计算各属性之间的相关性进行分类，可以挖掘不同属性数据中的分布规律，但通常聚类分析地震属性融合包含了纵向时窗上的数据计算，很少用于平面属性融合，再者聚类分析结果与所分类别数目有关且不易于属性解释故应用较少；多元线性回归进行地震属性融合计算方法简单且能克服单一属性预测的片面性，应用较多的是基于井属性的多元线性回归融合方法，该方法利用已有的测井资料对每种地震属性给予不同的权重，整体融合计算思路相对合理，但地震属性与储层之间的复杂关系往往线性映射无法准确表征，而且当某一敏感属性中存在异常地质条件影响时最终融合结果必然也会受其影响，即无法消除异常特征信息。
[0003]针对碳酸盐岩缝洞型储层预测，如何利用已钻井情况、地质认识以及专家综合分析判断结果约束全工区进行多种敏感平面地震属性的融合是碳酸盐岩储层预测急需解决的问题。

技术实现思路

[0004]为了解决现有技术中碳酸盐岩缝洞型储层预测不准确的问题，本专利技术提出了一种碳酸盐岩储层平面预测方法、系统、设备及存储介质，该方法提高碳酸盐岩缝洞型储层预测中多种敏感地震属性综合分析预测的解释精度。
[0005]为达到上述目的，本专利技术采用了以下技术方案：
[0006]一种碳酸盐岩储层平面预测方法，包括以下步骤：
[0007]获取碳酸盐岩地震储层工区目的层平面属性资料，选出符合碳酸盐岩地震储层工
区地质认识的多种敏感地震属性；
[0008]将所述地震属性按对应顺序排列合并成一个整体的预测数据集；
[0009]将整体的预测数据集作为输入通过深度学习算法预测模型进行预测计算，得到最终碳酸盐岩地震储层全工区的地震相预测结果以及预测概率。
[0010]作为本专利技术的进一步改进，深度学习算法预测模型的建立方法包括以下步骤：
[0011]获取工区目的层平面属性资料，选出符合研究工区地质认识的多种敏感地震属性，并按照平面地震属性的数据存储格式输出平面范围一致的属性数据；
[0012]确定目标研究工区内储层地震相的分类数目，并与赋值建立对应关系；
[0013]选择制作补丁标签的局部区域，记录矩形区域任意两个对角的Line与Trace号，选择制作补丁标签的基准参考属性并确定不同地震相之间的阈值范围；
[0014]分别计算不同局部区域的补丁标签，并将多个补丁标签合并成一个整体的训练标签数据集；
[0015]将训练标签数据集作为输入，利用人工智能深度学习算法进行模型训练，得到深度学习算法预测模型。
[0016]作为本专利技术的进一步改进，多种目标地震属性包括相干、Likelihood、振幅变化率、梯度结构张量、反演波阻抗。
[0017]作为本专利技术的进一步改进，确定目标研究工区内储层地震相的分类数目，并与赋值建立对应关系，具体包括：
[0018]结合实际工区储层发育特征划分地震相，将其具体分为洞穴、破碎带、基质三大类，分别对应标签2、1、0。
[0019]作为本专利技术的进一步改进，所述补丁标签的局部区域选择需要建立在已钻井信息或工区地质认识以及地震解释的基础上进行选择，记录矩形范围的任意对角位置的Line与Trace号，按照Line与Trace号对应网格增量逐步生成网格，并综合分析每一个矩形补丁范围内的基准参考属性与不同地震相的阈值范围，再筛选补丁标签对应的局部矩形区域内的地震属性值，进而自动生成计算补丁标签。
[0020]作为本专利技术的进一步改进，将每一个矩形补丁标签计算完成后，按照同一格式进行拼接得到一个整体的训练数据集；
[0021]将需要融合的地震属性进行格式规整，按照同一格式将多个补丁标签合并成一个整体的训练标签数据集。
[0022]作为本专利技术的进一步改进，得到深度学习算法预测模型具体步骤为：
[0023]对应于人工智能深度学习的训练与预测两个步骤，采用MLP算法，通过训练数据集进行训练，得到数据驱动的模型参数，进而得到深度学习算法预测模型。
[0024]一种碳酸盐岩储层平面预测系统，包括：
[0025]数据获取单元，用于获取碳酸盐岩地震储层工区目的层平面属性资料，选出符合碳酸盐岩地震储层工区地质认识的多种敏感地震属性；
[0026]数据处理单元，用于将所述地震属性按对应顺序排列合并成一个整体的预测数据集；
[0027]预测计算单元，用于将整体的预测数据集作为输入通过深度学习算法预测模型进行预测计算，得到最终碳酸盐岩地震储层全工区的地震相预测结果以及预测概率。
[0028]一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述碳酸盐岩储层平面预测方法的步骤。
[0029]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述碳酸盐岩储层平面预测方法的步骤。
[0030]本专利技术的有益效果体现在：
[0031]本专利技术方法为了提高碳酸盐岩缝洞型储层预测中多种敏感地震属性综合分析预测的解释精度，并且将地质认识与专家综合判断分析结果作为约束标签加入地震属性的融合计算，达到去除冗余信息、消除非研究目标引起的异常特征信息的效果，最终融合得到一个碳酸盐岩储层平面预测结果，并给出不同地震相预测的概率。本专利技术将地质认识与专家综合分析的结果以数据标签的形式切实加入了多属性融合的约束计算之中；将各种敏感地震属性的解释精度颠覆性地提高到了像素级别(工区面元大小)；提出补丁标签的方法，批量解决训练标签制作的难题，打破了从已钻井曲线方向去思考标签数据制作的常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳酸盐岩储层平面预测方法，其特征在于，包括以下步骤：获取碳酸盐岩地震储层工区目的层平面属性资料，选出符合碳酸盐岩地震储层工区地质认识的多种敏感地震属性；将所述地震属性按对应顺序排列合并成一个整体的预测数据集；将整体的预测数据集作为输入通过深度学习算法预测模型进行预测计算，得到最终碳酸盐岩地震储层全工区的地震相预测结果以及预测概率。2.根据权利要求1所述的方法，其特征在于：深度学习算法预测模型的建立方法包括以下步骤：获取工区目的层平面属性资料，选出符合研究工区地质认识的多种敏感地震属性，并按照平面地震属性的数据存储格式输出平面范围一致的属性数据；确定目标研究工区内储层地震相的分类数目，并与赋值建立对应关系；选择制作补丁标签的局部区域，记录矩形区域任意两个对角的Line与Trace号，选择制作补丁标签的基准参考属性并确定不同地震相之间的阈值范围；分别计算不同局部区域的补丁标签，并将多个补丁标签合并成一个整体的训练标签数据集；将训练标签数据集作为输入，利用人工智能深度学习算法进行模型训练，得到深度学习算法预测模型。3.根据权利要求2所述的方法，其特征在于：多种目标地震属性包括相干、Likelihood、振幅变化率、梯度结构张量、反演波阻抗。4.根据权利要求2所述的方法，其特征在于：确定目标研究工区内储层地震相的分类数目，并与赋值建立对应关系，具体包括：结合实际工区储层发育特征划分地震相，将其具体分为洞穴、破碎带、基质三大类，分别对应标签2、1、0。5.根据权利要求2所述的方法，其特征在于：所述补丁标签的局部区域选择需要建立在已钻井信息或工区地质认识以及地震解释的基础上进行选择，记录矩形范围的任意对角位置的Line与Tr...

【专利技术属性】
技术研发人员：李亚林，张晟，肖又军，段文胜，成锁，肖文，赵光亮，袁源，陈强，冯磊，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：