基于地震成像数据稀疏反演的不连续及非均质地质体检测方法

本文针对油气藏储层预测中的不连续及非均质地质信息识别问题,研究基于地震成像数据的稀疏反演方法.由于该类地质体的地震响应特征为弱信号,因此利用平面波破坏滤波器由地震成像数据中去除强反射同相轴.在此基础上,对剩余的地震数据进行非线性加强滤波,并构建L1稀疏反演模型.为有效求解L1模型,采用非光滑泛函L1范数逼近和拟牛顿求解算法.该方法考虑稀疏先验信息,能够提高反演结果信噪比.缝洞模型测试验证该方法在检测断点、微断裂、散射点等小尺度地质体上的有效性,塔北缝洞型碳酸盐岩储层预测的应用效果进一步证实该方法的实用性.     

基于匹配追踪算法的强屏蔽剥离技术在樊159井区储层预测中的应用

当储层上覆地层含有厚层烃源岩等特殊地层时,这些地层在地震剖面上会呈现出强振幅特征,这会使下伏储层信息被掩盖,从而干扰储层的正常描述与预测。因此,消除强干扰对储层地震反射的影响,增强储层弱反射信号,对于提高储层预测精度,确定有利储层的空间展布有着重要意义。樊159井区位于樊东地区中西部,该区沙三下亚段和沙四纯上亚段分布高阻、高速厚层烃源岩,对下伏滩坝砂岩储层有强屏蔽作用,必须对其进行剥离。本文以樊159井区实际地震工区为例,分析了储层的地球物理特征,研究了基于层位控制的多道匹配追踪算法,实现了强屏蔽层的剥离。剖面属性对比和沿层属性分析结果表明,储层识别精度得到明显提高。      

基于压缩感知和宽带俞式低通整形滤波器的地震低频信息特征分析与补偿

碳酸盐岩储集层已成为世界石油新发现储量的重要组成部分,识别该类储层对地震数据的信噪比、分辨率以及成像精度提出了更高的要求.本文从地震低频信号缺失的问题出发,首先研究了低频信号缺失对子波、合成地震记录和波阻抗反演的影响,其次分析了深层碳酸盐岩裂缝储层中弱信号低频缺失的特征.针对低频信号缺失问题,本文利用压缩感知理论,并结合反射系数的稀疏特性,提出了自适应计算L1范数权重因子的方法,同时构建了改进的宽带俞式低通整形滤波器,在不影响地震高频信号的同时对地震弱信号进行低频补偿.结果表明,缺失低频信号,会使子波旁瓣变大,合成记录出现假同相轴,厚层波阻抗反演畸变,深层碳酸盐岩裂缝储层弱信号难以识别;而本文方法有效地补偿了深层碳酸盐岩裂缝储层弱信号10Hz以下的频率成分,使得波组反射特征更加清晰,深层弱信号成像质量得到改善,为进一步有效识别深层碳酸盐岩裂缝储层建立了基础.     

地震油气储层的小样本卷积神经网络学习与预测

地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径.     

地面多分量地震数据P/S波分离的深度学习方法

多分量地震记录P/S波分离是多波地震数据处理的关键技术环节.常规方法大多依据两种波模式视速度或偏振特征的差异,基于信号分析或偏振投影实现模式解耦.在许多实际的地震-地质条件下,这些基于信号特征假设或表层参数模型的P/S波分离方法往往不太有效.为此,本文将各向同性介质条件下的地面多分量地震数据P/S波分离视为非线性的逐点预测问题,借助深度神经网络强大的特征提取能力进行求解.以国际标准模型为基础,提出了创建弹性参数样本库和P/S波分离标签数据集的有效方法.实验表明,丰富的训练样本保证了深度神经网络的泛化性能,在测试数据体上取得了明显优于经典的偏振投影分离方法的处理效果,而且摆脱了对表层介质参数的依赖性,为多分量地震数据反射PP波和PS波成像提供了有效的技术支撑.     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

AVO信息约束匹配追踪技术在富煤储层刻画中的应用

针对西湖凹陷富煤环境下储层刻画精度低问题,本文结合煤层AVO截距、梯度特征,提出一种基于AVO信息约束的匹配追踪技术,压制煤层强反射引起的岩性假象,凸显储层真实、有效信号。该方法首先利用煤层4类AVO负强截距P、正强梯度G特点,构建煤层地震敏感因子P - G,放大煤层地震响应,并压制非煤层强振幅影响,实现煤层位置精细定位;在此基础上,将该煤层地震信息作为匹配追踪需要分解、重构的原始信号,利用复地震道分析技术提高信号快速匹配分解的效率,完成煤层强反射解耦。模型试算及实际资料应用表明:匹配追踪技术在精细定位煤层地震响应基础上,提高了匹配追踪算法去煤层强振幅效率;煤层解耦后地震数据较好地凸显储层横向展布变化,提高主力气层的纵向刻画精度。      

西非深水区弱固结浊积砂岩岩石物理模型研究及其应用

深水浊积砂岩油气藏是当今世界油气勘探开发的热点目标,西非安哥拉深水区油气资源丰富、潜力巨大.该区第三系深水浊积砂岩埋深浅、成岩作用弱,致使地震反射纵波速度及其阻抗对有利砂岩储层和围岩的区分效果不明显;基础数据的制约如部分井声波或密度资料缺乏或存在质量问题等,给利用井震信息开展地震反演预测带来严重影响.本文旨在研究一套适合该地区储层预测的弱固结浊积砂岩岩石物理技术.为此,通过实际资料的反复论证,提出了拟合推理法确定矿物骨架弹性参数,并对等球颗粒模型进行了改进,创建了适合该地区弱固结浊积岩岩石物理模板,实现了测井曲线的合理校正和横波预测.以此为基础,进一步开展了叠前地震反演和储层的分布预测.结果表明,浊积砂储层预测精度达85%.因此,该岩石物理技术在西非深水区弱固结浊积砂岩的应用是可行的.     

基于深度卷积神经网络的地震数据局部信噪比估计

估计地震数据的信噪比对于地震数据的处理和解释具有重要作用.以往估计地震数据信噪比的方法都需要分离数据中的有效信号和噪声,然后再估计相应的信噪比.这些估计方法的精度严重依赖信号估计方法或噪声压制方法的有效性,往往存在偏差.本文提出一种估计地震数据局部信噪比的深度卷积神经网络模型,通过迭代训练优化参数,构建从含噪地震数据到其信噪比的特征映射.然后使用该神经网络完成信噪比的推理预测,不需要分离地震数据中的有效信号和噪声.模拟数据和实际资料的处理结果都表明,本文的方法可以准确而高效地估计局部地震数据的信噪比,为地震数据质量的定量评价提供依据.     

两步相控反演火山岩及围岩储层预测——以南堡2号构造为例

南堡凹陷下第三系火山岩及与火山活动相关的碎屑岩围岩储层单井产量高、稳产能力强,具有良好的勘探开发潜力,但该类储层纵向上与火山岩多呈现上覆直接接触关系特征,厚度具有不均匀性,横向变化大．受地震资料分辨率及火山岩强反射等影响,储层预测困难,制约了该领域下步勘探开发部署．本文以南堡凹陷2号构造研究为例,首先通过测井岩石物理分析和叠前地震资料的对比分析发现,纵波阻抗是识别火山岩与围岩储层的敏感参数,入射角CRP道集近角优势叠加地震能够提升火山岩反演分辨率,基于此,第一步运用迭代低频模型确定性反演技术实现规模性火山岩单体概率预测,第二步将火山岩单体三维岩性概率作为先验信息进行相控地质统计学反演,实现火山岩与沉积岩地震反射信号分离,有效消除火山岩强反射对围岩储层预测的影响,提高了围岩薄储层预测精度;预测效果显示,本次研究建立的迭代低频确定性反演和相控地质统计学反演两步法串联工作流程兼具预测性与描述性,能够解决多期火山岩与储层互层沉积模式下隐蔽性油藏岩性识别问题,在类似资料及地质条件研究区具有借鉴应用价值．