致密碎屑岩储层地震反演技术方案及应用

致密碎屑岩储层与围岩地震波阻抗差异微弱,应用常规储层地震反演方法的有效性较差,精度较低。针对致密碎屑岩储层的地质、地球物理特点,本文提出了将神经网络和地质统计学结合起来的致密碎屑岩储层地震反演技术方案。在此方案中,通过神经网络地震反演获得地质涵义较为明确的但垂向精度较低的反演结果,以此结果为约束,以测井数据作为条件数据(硬数据)进行储层参数地质统计学随机反演/模拟,进而得到较为精细的、同时横向分布较为符合地质规律的储层参数反演成果。通过在D气田致密碎屑岩储层地震反演中的应用,提高了储层预测精度,达到了良好的应用效果。     

地震多属性非线性反演方法在东营三角洲中的应用

地震多属性反演的目的是为储层预测提供丰富的基础资料。在实现方法上主要有线性方法和非线性方法,地震多属性非线性反演方法多采用神经网络、支持向量机等工具进行映射,其反演预测结果比线性方法更符合实际地质情况。将自然电位曲线作为地震多属性非线性反演的目标,首先,通过线性回归的方法,寻找用于反演自然电位曲线的最优地震属性组合;然后,选用多层前馈神经网络,进行地震多属性非线性反演,得到了三维自然电位数据体;最后,利用自然电位数据体沿层切片,清晰地展示了东营三角洲沙三段中亚段砂体的前积过程。     

神经网络反演在火山岩储层预测中的应用

川西南井研地区二叠系火山岩分布稳定,地震反射特征整体呈“两强波峰夹一波谷”,火山岩内部发育两套储层,且上部储层由厚度小于7 m的多个薄层组成,受地震分辨能力限制,常规地震属性和波阻抗反演等方法均不能精确识别两套储层及其分布。利用孔隙度可表征储层特征且与波阻抗具有良好拟合关系的特点,提出采用拓频地震数据和神经网络孔隙度非线性反演技术预测火山岩上、下储层。地震数据经谱分解处理后得到低、中、高频数据体及其对应的分频地震属性,通过神经网络反演建立分频地震属性与孔隙度的非线性映射关系,进而得到高分辨率的孔隙度反演结果。综合预测结果表明：神经网络反演结果与实钻井吻合;纵、横向分辨率明显提高,能有效识别井研地区火山岩两套储层在纵向上主要发育在中、下部,平面上主要发育在工区西部。研究结果可指导后期勘探评价或开发井部署。     

����⾮�������Է��ݷ���

储层预测是隐蔽油气藏勘探的一项关键技术，由于储层和非储层的波阻抗常常重叠而导致单纯使用波阻抗进行准确的储层预测非常困难。利用测井资料，针对岩性油气藏的具体地质情况，在井点构建能反映储层物性空间变化的特征属性，并利用神经网络映射技术反演此特征属性数据体。在具体实施过程中，利用多元逐步回归方法和交互校验技术筛选敏感的地震属性，能有效去除冗余信息，确定最佳属性组合；采用卷积算子将地震资料的低频信息和测井特征属性的高频信息相融合，可以有效地拓宽频带，提高反演结果的分辨率；用概率神经网络建立测井特征属性和地震属性之间的非线性映射关系，可以外推反演得到高精度的测井特征属性数据体。对比研究表明，反演的结果具有比较高的可靠性。在实际应用中，这套技术取得了明显的效果。     

一种叠前地震多属性反演方法

介绍了一种借助于地震波弹性阻抗提高常规叠前地震反演的精度和可靠性,进而同时提取多种地层弹性属性参数的地震多属性反演方法。利用全波测井资料确定声波阻抗(AI)和弹性波阻抗(射线路径弹性阻抗)(REI);将共中心点(CMP)道集变换成角道集并进行部分角度叠加;利用常规叠前弹性阻抗反演流程分别对小角度叠加数据及中等入射角的部分叠加数据进行声波阻抗和弹性波阻抗(射线路径弹性阻抗)反演;对反演得到的声波阻抗和弹性波阻抗(射线路径弹性阻抗)数据进行道运算,得到与弹性密度比、储层岩性变化和孔隙流体成分密切相关的地震属性;确定储层岩性和孔隙流体性质。该方法仅需要近、中角度的地震数据,其他弹性属性参数是由弹性密度比与声波阻抗之间的关系通过道运算获得,提高了计算效率,可用于绝大多数采集条件下获得的地震数据叠前反演。     

STRATA软件中递归反演的应用

地震波阻抗反演是储层横向预测和油气藏勘探的重要手段,主要有递归反演、稀疏脉冲反演和基于模型反演这三种方法,其中递归反演在井少的情况甚至是无井的情况下都可用,因此应用非常广泛。STRATA反演软件是目前广泛使用的一套将叠后地震道转换成波阻抗地震道的地震数据反演软件,提供有递归反演等反演方法,该文介绍了STRATA软件中递归反演的基本原理及其在软件中实现的关键技术。对西部某地区的实际地震资料进行递归反演处理的结果表明,递归反演能在井少的情况下得到较好的应用,反演结果能较清晰地展现储层变化。     

井间地震资料时间域波阻抗反演研究

常用的时间域反演方法不能直接用于深度域的井间地震资料.通过建立合适的深-时转换速度模型,将井间地震资料从深度域转换到时间域.应用时间域地震波阻抗反演方法对其进行反演处理,再将其转换回深度域进行储层解释.在此基础上建立了井间地震资料波阻抗约束模型,对时间域的波阻抗剖面进行时-深转换,得到深度域的井间地震波阻抗剖面.转换后的深度波阻抗剖面及深度域井资料可直接用于储层的对比分析.实例分析表明,利用该方法得到的反演结果精度高,储层描述效果好.     

数据增广和主动学习在波阻抗反演中的应用

在实际应用中,深度卷积网络以大量数据驱动模型进行网络训练,以获得地震数据与阻抗之间的映射关系,但需大量合成数据对网络训练后,再应用少量实际数据对网络进行迁移学习。为此,提出了一种基于数据增广和主动学习的地震波阻抗反演方法。数据增广首先通过同频率重采样对单道原波阻抗数据进行增广,再求取增广后的反射系数和随机核,最后计算增广后的地震数据。将增广后的地震和波阻抗数据作为训练集,结合主动学习思想选择最大误差样本对网络进行迭代训练。该方法不仅可以避免地震子波估计,而且能用少量的标签数据训练出预测精度更高的网络。Marmousi 2模型测试结果表明,该方法仅需十分之一标签数据和迭代次数就能达到与随机迭代训练方法相近的预测精度,且预测误差在剖面上分布更均匀。     

地震反演与地质建模技术联合预测薄层砂体

探讨了地震约束薄层储层建模的研究思路,并提出控制薄层砂体预测精度的四个关键条件。根据地质、测井资料,应用序贯指示模拟方法,协同地震波阻抗反演资料预测实际区块薄层砂体,并通过油藏解释建立油层分布模型。结果表明,在地质条件约束下,地震反演与地质建模技术联合能够综合井资料和地震资料信息优势,提高井间及垂向上储层预测精度。该技术对于油藏评价和井位部署具有指导意义。     

多属性神经网络地震反演在NB油田水平井钻探中的应用

NB油田位于渤海海域,为新近系河流相稠油油田,储层横向分布不稳定,砂体厚度薄、连通性较差,油水关系复杂,开发设计部署了大量水平井。选择神经网络反演方法,建立地震属性与储层参数的非线性关系,进而根据其关系反演得到储层参数数据体,利用该数据体沿层切片提取储层预测信息,研究储层发育规律,指导该油田水平井的部署和钻探,取得了较好的效果,降低了钻探风险。用神经网络地震反演方法进行储层预测研究,指导水平井钻探,在渤海海域尚属首次。     

储层预测中的非线性反演方法(为《岩性油气藏》创刊而作)

储层预测中非线性反演方法的研究是地球物理学中一个非常重要的研究领域。在对人工神经网络、分形分维等非线性方法研究的基础上,阐述了Seimpar测井参数反演技术,它是一种非线性反演方法,既可以避开褶积公式进行波阻抗反演,又可以在井约束下用地震记录反演测井参数曲线。能够解决常规地震反演难以解决的复杂地质问题,实际应用中取得了较好的地质效果。     

利用地震反演技术钻前预测井壁稳定性

为有效克服钻井过程中出现的井壁失稳问题,基于褶积模型的测井约束反演方法,提出了利用地震层速度反演技术在钻前预测安全钻井液密度范围的模型。该预测模型充分利用探区内的地震记录资料,以测井信息和地质资料为约束条件,通过制作合成地震记录进行层位标定,建立初始波阻抗模型,运用宽带约束反演技术获得具有较高分辨率的波阻抗模型并最终得到速度资料。利用反演结果结合统计模型、趋势面模型、神经网络模型及岩石力学模型等常用预测模型可以实现钻前井壁稳定性预测。通过该方法反演出塔里木油田一口探井的层速度曲线,并在钻前预测出该井的安全钻井液密度范围,与实钻数据进行对比分析的结果表明,该预测方法具有良好的预测效果,可满足钻井工程的需要。     

神经网络法地震反演应用及效果

X潜山研究区属于储层非均质性极强的裂缝型油藏,构造极为复杂,初始模型的构建难度极大,多解性非常强。为此,要寻找一种方法,充分利用现有各种测井资料,弥补声波测井的不足;充分利用地震资料的中频信息,来提高储层反演的分辨率和精度,尽可能的减少反演结果的多解性,增加反演成果的客观性,以便更准确地进行储层预测。作者建立地震属性与测井资料的多维线性或非线性的统计关系,进而利用基于神经网络法地震反演和线性、非线性多元地震属性分析对裂缝型储层进行横向预测。概率神经网络方法采用了交叉检验预测精度的方法,所以,在相关性较好的情况下,增加了预测结果的可靠性,减少了多解性,提高了预测结果的精度。     

基于深度学习的三种地震波阻抗反演方法比较

神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。     

�߷ֱ��ʷ����Է��ݷ�����Ӧ���о�

文章所述的ANFIS是将模糊技术与神经网络技术相结合而形成的一种高分辨率非线性反演方法，是集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学能力于一体的新技术。ANFIS是由可更改的前提和结论两部分组成，采用（GD+LSE）混合算法自适应地进行调节，该算法减少了原始纯反向传播算法的收缩空间的维数，因而收敛速度非常快。这种高分辨率非线性反演方法兼有二者的优点，对原始模型没有依赖性。在实际反演中，首先由井点出发构造测井资料与井旁地震道的非线性映射关系，并根据地下介质在横向上的变化特征来更新非线性映射关系，并在地质约束下进行自适应外推，其反演过程是总体反演过程，以实现高分辨率反演，获得高分辨率的储层参数剖面。实践证明，应用ANFIS可建立储层参数与地震信息之间的较精确关系，所获得的储层参数剖面具有精度和分辨率高的特点，是提高储层预测效果的一种有效手段。     

地震波阻抗反演的ANNLOG技术及其应用效果

通过地震子波的多级分解和多级非线性变换，得到一种非线性地震褶积模型。将该模型与Ｆ－Ｐ模型人工神经理论相结合可形成一套利用测井和地层约束的高分辨率地地震波阻抗反演技术。其突出的特点是：多级非线性变换能使迭代反演快速收敛，并具有极高的纵向反演分辨率；用于存储多级地震子波的人工神经网络，可根据地震数据动力学特征在横赂上的变化进行了可靠的自适应外推反演，并在横向上保持纵向保持纵向分辩率的连续性。     

融合地质建模与地震反演技术提高储层预测精度的新方法及其应用——以涠洲11-1N油田为例

常规地震反演预测储层效果往往不理想,为此提出了一套融合地质建模与地震反演技术提高储层预测精度的新方法,即采用地质建模技术精确建立初始波阻抗模型,再用该初始波阻抗模型约束进行地震反演,进一步提高地震反演储层预测精度。本文提出的新方法在涠洲11-1N油田进行了应用,储层预测精度得到了明显提高,解决了该油田生产中遇到的地质问题。