[發明專利]一種基于膨脹卷積神經網絡的儲層不連續界線識別方法

在審

• 申請號: 202110969218.8
• 申請日: 2021-08-23
• 公開（公告）號: CN113688901A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 尹成;魏彤;丁峰;張棟;王毓瑋;趙虎;潘樹林
• 申請（專利權）人: 西南石油大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01V1/30
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 王悅

本發明公開了一種基于膨脹卷積神經網絡的儲層不連續界線識別方法，包括以下步驟：從地震數據中獲取屬性圖；采用多層融合技術，屬性數據映射到低維向量空間；通過對地質數據、測井數據以及地震數據分析得出不連續界線類別，根據所劃分的不連續界線類型得到標簽；采用CNN從輸入屬性學習到深層次的特征r₁；利用DCNN從輸入屬性學習到非連續性特征r₂；采用拼接技術，特征進行拼接；將拼接結果送入池化層，平均池化后送至全連接層。利用Softmax函數輸出結果得到識別類型。本發明優點是：能夠自動學習特征，減少識別錯誤，準確的區分不連續界線類型；能夠突出界線之間的特征差異；能夠減少地震數據中假界線的干擾。

技術領域

本發明涉及油氣田勘探與開發技術領域，特別涉及一種基于膨脹卷積神經網絡的儲層內部不連續界線的識別方法。

背景技術

地下儲層內部的不連續性(也稱為非均質性)研究貫穿了油氣田的整個勘探開發歷程，眾所周知，儲層中一般存在有很多不同類型的不連續界線，如斷層、裂縫，以及巖性或巖相的變化帶等，其存在會直接影響地下流體的流動，進而會影響剩余油分布和注采關系，最終影響油氣開發的效果。隨著計算機和人工智能領域的發展，減少勘探開發成本，提高儲層不連續界線的識別精度成為了當下油氣勘探開發過程中的主要研究任務之一。

目前，針對海上油氣田鉆井少的特點，為了充分應用地震資料，迫切需要解決地震信息識別、儲層隱蔽信息的拾取和刻畫，以及表征儲層內部不連續性界線的空間分布等生產上面臨的實際問題。

“不連續界線”是指由于沉積作用、成巖改造，以及構造運動等因素，在儲層中形成的巖性尖滅、砂體疊置、物性變化，以及斷層與裂縫等對流體流動產生影響的各類界線。一般情況下，儲層不連續界線類型主要包括兩大級別，即構造級別和沉積巖性級別。構造級別不連續界線常見有斷層、裂縫等，常規地震資料及其技術方法主要是在解決該類界線，如相干體、曲率、局部結構熵等算法對構造級別的界線具有很好的應用效果；而開發階段，更多關注沉積、成巖等成因的小尺度巖性級別的不連續界線，尤其是針對低于地震分辨率情況下的儲層不連續性界線預測方法成為了一個難點。

傳統的不連續性界線識別方法需要研究人員根據地震同相軸的不連續性來手動解釋不連續界線，這樣的識別結果會帶有很強的人為主觀性。后來人們提出了通過計算一些地震屬性(如相干和曲率屬性)，來突出顯示地震剖面中地震反射波形變化的不連續性特征，但是這種方法無法很好地區分不連續界線及其他不連續特征。而基于人工智能的方法，通過自主深度學習不連續性特征，從而達到進一步精確、高效地識別這些不連續性界線的目的，是現階段人們一個重要的研究方向。

目前國內東部油田以陸源碎屑巖儲層為主，陸相沉積作用特有的地質條件使得儲集體分布復雜、物性變化大、非均質性強，加之后期經歷了成巖和構造改造作用，儲層非均質特征明顯，且多數油田現已步入開發中后期，油田高含水，且剩余油高度分散，面臨改善開發效果和提高最終采收率的難題。儲層非均質性是指在沉積作用、構造作用、后期成巖作用的影響下，儲層在空間分布及內部各種屬性上都存在差異，是決定注水開發后期的驅油效率、微觀剩余油的分布及提高采收率的重要因素。

儲層非均質性刻畫是儲層表征和油藏描述的主要內容，20世紀七八十年代開始了這項研究，國內以裘亦楠^[11]等的分類為代表，即根據非均質性的規模和開發生產實際，將碎屑巖儲層非均質性由大到小分為層間、平面、層內和微觀非均質性等4類，該分類沿用至今。