基于深度學習的地震多屬性儲層預測模型

穆朋飛，王少鵬，吳穹螈，李 揚，曹 龍

（中海石油（中國）有限公司天津分公司，天津 300452）

儲層預測是指利用勘探開發各階段的現有資料，采用盡可能豐富的手段，根據勘探開發的需要對儲層的特征進行描述[1]。地震屬性分析技術能將隱藏在地震中的隱蔽信息提取出來，并將這些信息轉化成與之相對應的巖性、物性或油藏參數，廣泛應用于海上油田的儲層預測研究中。隨著油氣田勘探開發的不斷深入，大型的背斜有關的油氣田越來越少，巖性、斷塊，裂縫、隱蔽油氣藏成為油田勘探開發的主力軍，而對應的地震資料解釋相對復雜，工作難度很大[2]。國內外學者利用地震屬性開展儲層研究做了大量的工作，取得了一系列成果。趙虎等[3]為了降低地震解釋假象存在的概率，以實際油田為例建立了多套砂泥巖互層模型，從模型中挖掘出預測砂體的敏感屬性，提高了儲層預測精度；王世龍等[4]在進行儲層厚度預測時，首先優選出能夠較好描述砂體分布地震屬性，對比不同回歸方法的預測精度，認為偏最小二乘回歸法預測砂體厚度相對準確；王開燕等[5]基于譜分解和地震多屬性聯合數據，采用線性回歸的方法開展了儲層預測厚度研究；陸光輝等[6]基于地震信息利用神經網絡和專家優化法開展了儲層厚度預測研究，以新疆焉耆盆地本布圖地區為例對該方法進行了驗證；劉洋[7]針對儲層存在預測異常的問題，在劃分沉積相的基礎上增加訓練樣本，建立了相控神經網絡模型，提高了儲層預測精度。……