一种基于深度混合神经网络的储层预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113608265A(43)申请公布日2021.11.05(21)申请号202110928942.6(22)申请日2021.08.13(71)申请人成都理工大学地址610059四川省成都市成华区二仙桥东三路1号(72)发明人王俊曹俊兴蒋旭东(51)Int.Cl.G01V1/40(2006.01)G01V1/30(2006.01)权利要求书1页说明书4页附图3页(54)发明名称一种基于深度混合神经网络的储层预测方法(57)摘要本发明提供了一种基于深度混合神经网络的地震储层预测方法，所述方法包括：首先，根据研究层段的解释层位计算目标层段的多种地震属性，提取已钻井的储层分类信息；然后，将提取的地震属性通过聚类分析技术进行优选，选取对含油气储层敏感的地震属性；基于此，以测井数据和地震数据为驱动，利用井点的储层分类数据为标签，优选的地震属性为输入，训练深度混合神经网络深度学习模型；最后，利用训练好的反演模型进行从已知到未知的地震储层直接反演预测。本发明综合了井点数据与地震数据，可较好的挖掘原始数据中蕴含的信息，实现无井区的地震储层预测，所预测的油气储层边界更加清晰，预测结果与实际情况基本吻合。CN113608265ACN113608265A权利要求书1/1页1.一种基于深度混合神经网络的储层预测方法，其特征在于采用以下步骤：步骤1、根据已探井信息和地震信息进行准确标定层位，获取地震数据和井数据；步骤2、根据研究层段的解释层位计算多种地震属性，提取已钻井的储层分类信息；步骤3、将步骤2中提取的地震属性通过聚类分析技术进行优选，选取对含油气储层敏感的地震属性，降低无关地震属性的影响；步骤4、基于步骤2和步骤3，以测井数据和地震数据为驱动，利用井点的储层分类数据为训练标签，优选的地震属性数据为训练输入，训练深度混合神经网络深度学习地震储层反演预测模型；步骤5、以无井区的地震属性数据为输入，利用步骤4训练好的深度学习模型进行从已知到未知的地震储层反演预测。2.根据权利要求1所述的一种基于深度混合神经网络的储层预测方法，其特征在于：在目标层的准确标定的基础上，获取地震数据和井数据，利用地震解释的层位进行约束，提取目的层段的地震多属性，包括振幅、频率、相位等地震属性；在此基础上，建立地震属性与储层分类对应关系；根据井点坐标提取井位点的各种地震属性数据，建立井点位置储层分类与各种地震属性的数据库。3.根据权利要求1所述的一种基于深度混合神经网络的储层预测方法，其特征在于：所述深度混合神经网络深度学习模型由卷积神经网络和双向循环神经网络堆叠组成，充分利用这两种网络的优势最大程度的挖掘地震属性数据和储层类型信息之间的内禀特征；所述卷积神经网络作为地震数据信息提取的特征提取器，将卷积神经网络提取的特征信息作为所述双向循环神经网络的输入，以考虑地层沉积的时序关系，将其转换成内部隐含层信息，然后通过全连接层将所述隐含信息转换到储层类型数据。4.根据权利要求1所述的一种基于深度混合神经网络的储层预测方法，其特征在于：所述深度混合神经网络预测方法主要包括数据标准化、模型建立和预测、分析与评价三个部分。其中模型建立和预测部分为模型的核心模块，主要包括网络构建和数据预测，通过训练数据集训练网络逼近输入和目标输出之间的复杂映射关系，实现利用地震数据直接进行储层预测。5.根据权利要求1所述的一种基于深度混合神经网络的储层预测方法，其特征在于：本发明方法综合了井点数据与地震数据，可较好的挖掘原始地震数据中蕴含的有效信息，最大程度避免储层横向和纵向非均质性带来的影响，实现从已知到未知地震储层直接反演预测，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。2CN113608265A说明书1/4页一种基于深度混合神经网络的储层预测方法技术领域[0001]本发明涉及石油地球物理勘探领域，特别地，涉及一种基于深度混合神经网络的地震储层反演预测方法。背景技术[0002]地震勘探是目前最常用的油气勘探方法之一，地震数据作为地下地质情况的媒介，一直占有着至关重要的地位。随着油气勘探开发的不断深入，勘探对象己由常规油气藏逐渐向裂缝油气藏和岩性油气藏转变，常规储层预测方法的精度和效率己难以满足对这些油气藏的预测要求，尤其是在深层条件下。因此，有针对性的循新的思路发展新的地震储层预测方法对油气勘探开发有着重大意义。[0003]人工智能深度学习技术的发展为地震储层的准确反演预测提供了新的思路和方法。深度学习是利用计算机从数据中自动分析获得规律，并利用获得的规律对未知数据进行预测的算法，适合于非线性复杂任务，在许多科学领域都取得了突破性的应用成果。深度学习的本质是构建一个被称之为深网络的嵌套映射矩阵，功用和数理