基于機器學習的復雜儲層微小斷裂系統識別方法研究與應用

杜炳毅,張廣智,王 磊,雍學善,王騰飛

(1.中國石油天然氣股份有限公司勘探開發研究院西北分院,甘肅蘭州730020;2.中國石油大學(華東)地球科學與技術學院,山東青島266580)

隨著油氣勘探開發程度的不斷深入,勘探重點由構造油氣藏向巖性油氣藏甚至隱蔽性油氣藏轉變,而復雜斷裂儲層作為主要隱蔽性油氣藏類型之一,微小斷裂系統的精細識別是復雜儲層勘探開發工程中的重要研究內容之一。與構造特征緊密相關的地震屬性如構造傾角相干技術、多尺度分頻相干技術和多曲率屬性綜合預測技術等取得了長足的發展,在火山巖、碎屑巖等多種類型的復雜儲層預測中發揮了重要作用[1-3]。袁曉宇等[4]采用螞蟻追蹤裂縫檢測算法消除噪聲對特定頻段地震數據的影響,可以檢測不同尺度的斷裂,識別構造裂縫具有較高的精度。各向異性介質理論的發展為疊前裂縫預測提供了理論基礎,在理論模型和實際應用中均取得了一定的研究進展,為復雜斷裂儲層的精細預測提供了有效的技術手段,但是,這些方法對測井巖石物理微觀特征的利用程度不足[5-7]。近年來,基于深度學習的斷層識別技術得到了快速發展,通過卷積神經網絡、感知歸類、殘差神經網絡等多種方式實現斷層面、斷層走向等信息的提取,實現了斷層的自動識別與解釋[8-10]。

多屬性結合的預測技術能夠更加充分挖掘地震資料中豐富的儲層發育信息,建立儲層參數與多屬性之間的映射關系是利用多屬性結合的有效途徑?！?br>