深度Transformer迁移学习的页岩气储层核心参数预测案例

地层纵横向非均质性强,工区间数据分布存在差异.这导致基于已有工区数据构建的机器学习储层参数预测模型,推广到新工区会存在较大预测误差.常规地质方法是在岩心与测井响应特征分析基础上建模,利用测井资料计算储层参数,流程复杂.该方法需要岩心校准模型,同样难以快速推广到新的工区.考虑地层纵横向非均质性,本文设计了一种深度Transformer迁移学习网络,通过已有工区的测井与岩心资料构建预测模型,实现未取心新工区储层参数快速准确预测.首先利用无监督学习算法-孤立森林剔除测井数据中存在的异常噪声数据.然后设计Transformer特征提取网络,提高网络特征提取能力,以此深入挖掘测井数据与储层参数的内在联系.最后设计深度迁移学习网络,构建网络损失函数,利用随机梯度下降算法优化网络参数,实现储层参数准确预测.本方案应用于四川南部地区五峰组—龙马溪组页岩储层参数孔隙度、总有机碳含量和总含气量预测.实验结果与工区校正后计算结果、主流机器学习模型预测结果对比,本方案结果与岩心数据具有更高的一致性.应用结果表明：本文方案具有实用性、有效性和可推广性.     

基于最小平方的横波速度拟合及应用

与叠后反演相比,叠前反演通过获取更多的弹性参数以预测有利储层空间展布特征,但横波资料是叠前反演的关键因素.一般来说,实际研究区的横波资料很少,甚至缺失,从常规测井资料中重建横波信息是当前广泛采用的横波预测技术.本文以大庆油田某采油厂S区为例,在综合研究分析的基础上,基于最小二乘拟合多项式的方法完成了研究区所有井的横波速度预测.对研究区六口横波测井曲线对比分析显示,预测横波与实测横波平均符合率在96%以上,横波资料的预测精度可有效应用于地震资料的叠前反演计算.基于预测的横波速度建立了低频模型,完成了S区叠前同时反演试算,所得到弹性参数数据和测井数据进行对比分析,结果显示反演得到的弹性参数预测的结果与井资料吻合较好,计算表明该方法在同类储层的研究区可推广应用.     

基于多任务学习的测井储层参数预测方法

基于多任务神经网络模型,提出一种多任务测井储层参数预测方法,利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测,通过数值实验对比,多任务预测模型有效提升了单任务储层参数预测模型的效果,且提升幅度与模型结构有关,异架构多任务模型的总体预测效果好于同架构多任务模...     

转换波叠前横波速度反演

摘要 地震波速度对地震资料偏移成像、岩性和岩相解释以及储层预测,均起着非常重要的作用. 在储层预测中,需要获得横波层速度信息,以减少仅用纵波速度在区分岩性和孔隙中流体类型以及含气饱和度方面的不确定性. 基于Zoeppritz方程组,提出了数值求解和速度扫描方法,对叠前转换波资料求取横波层速度. 理论模型和实际转换波资料的反演结果, 均表明该方法的效果较好.      

基于Xu-White模型的致密储层叠前正演模拟研究与应用（英文）

致密储层与围岩波阻抗差异小,常规储层反演方法难以有效预测出有利区。中国西部致密储层非均质性强,常规储层反演预测难度大,本文提出了基于Xu-White模型的叠前储层预测方法。首先修正Xu-White模型的试验参数,直至该模型计算出来的纵、横波速度及密度与实际测井得到的数值基本吻合,然后用修正的模型计算不同储层物性、岩性、含油性下的纵、横波速度、密度及泊松比,进而建立不同的砂泥岩互层地质模型。其次,采用Zoeppritz方程近似式进行叠前正演,分析不同储层物性、岩性、含油性时的叠前道集响应特征,在对中国西部Z区实际叠前道集优化处理的基础上,选择其中1种对岩性、含油性、物性最敏感的弹性参数,对其有利储层分布区进行预测,其预测结果具有较高的精度。     

横波预测技术在YB地区的应用

横波速度测井曲线是进行岩石物理分析、AVO正演、AVO属性分析以及叠前反演等工作必不可少的基础资料,但横波测试设备与常规测井测试仪器不同,造成额外费用,往往很多井没有横波资料;同时还存在实测横波速度异常,不能满足实际工作需要.针对这些问题,本文利用经验公式法、XuWhite法及多元线性拟合法在YB地区进行横波预测,对比了不同方法的预测精度,讨论了横波预测方法的主要影响因素.对于Xu-White法来讲,孔隙形状是影响预测结果的重要因素;对于多元线性拟合法来讲,拟合曲线及其数目的选择对预测结果影响较大.使用三种预测方法进行预测的结果表明Xu-White法及多元线性拟合法效果较好,相对误差均小于5%;其中多元线性拟合法预测结果与实测横波资料误差最小,仅为4.46%.通过对比使用实测横波与使用多元线性拟合法预测的横波进行叠前反演的结果发现两者差别不大,并且原本无横波资料的井使用预测横波速度参与反演对反演结果起到改善作用,证明横波预测技术具有较高的推广应用价值.     

基于双向长短期记忆神经网络的储层孔隙度预测方法研究

孔隙度作为重要的储层物性参数之一,在储层评价中发挥着重要作用,因此,寻找一种低成本、高效的方法获取高精度的孔隙度成为了储层评价的重要课题.由于测井参数和孔隙度之间复杂的非线性映射关系和时序性特点,本文提出了一种基于双向长短期记忆(BiLSTM)神经网络的储层孔隙度预测方法,通过建立BiLSTM孔隙度预测模型,并在模型中使用Nadam自适应优化算法提高模型训练效率和准确率,引入Dropout正则化技术防止训练过程中发生过拟合,采用ReLU激励函数提高网络的鲁棒性和稳定性,最后利用实际测井数据验证其性能.研究结果表明,相较于长短期记忆循环神经网络(LSTM)、常规循环神经网络(RNN)和全连接深度神经网络(DNN),BiLSTM模型具有更高的预测精度,在储层参数预测方向具有广阔的应用前景.     

多方法对比分析及随钻声波测井曲线的预测

声波测井曲线是井震联合反演过程中必不可少的资料.在没有声波测井资料的情况下,必须对其进行预测.X油田大部分开发井均没有实测的纵、横波测井资料,这给该油田剩余油的挖潜工作带来较大困难.文章基于聚类分析算法、岩石物理模型和多元线性拟合三种方法,开展了纵波测井曲线的预测,以模型的稳定性、精确度、实用性作为衡量指标,选用多元线性拟合方法预测纵波测井曲线,其预测模型的相对误差约为3.18%.在准确预测纵波测井曲线的基础之上,采用Han公式、Greengerg-Castagna(GC)公式和Xu-White模型预测横波测井曲线,其中基于GC公式所建立的预测模型精度最高,其相对误差约为4.36%,从而选取GC公式来预测横波测井曲线.纵、横波测井曲线的准确预测为X油田剩余油分布预测及井位优化研究工作奠定了坚实的基础,具有较强的现实意义.     

通过岩石物理模拟改进北黄海盆地中生界致密砂岩储层的地震刻画

北黄海地区多年来受困于储层预测精度欠佳,分析实测纵波、横波和密度曲线不能很好的反映储层岩性和物性.本次研究通过采用岩石物理模拟方法,以Xu White模型和岩心分析数据为基础,模拟出实际地层条件下的弹性测井响应,并以此分析研究储层岩性、物性、含油气性对弹性参数的影响,结合对井眼环境和泥浆侵入对弹性测井曲线的影响进行校正,获得了高质量的弹性测井曲线,在此基础上运用实际测量的纵波阻抗曲线和岩石物理模拟的纵横波速度比曲线,建立了储层和有利储层的弹性解释框架,指导地震叠前反演结果的量化解释,与已知钻井结果对比解释精度较高.参考本次储层的预测结果部署了新的钻井,后钻井实钻结果在储层、有利储层方面都与预测结果保持一致,说明了岩石物理方法对改进的储层解释模板的重要性.     

VTI介质SH-SH波地震反演方法研究

近年来,随着横波可控震源技术的发展,国内外已经实现了纯横波地震勘探.相较于地震纵波,地震横波对横波阻抗、横波速度尤其是各向异性参数变化更为敏感,因此地震横波能够用来更好地估算上述地层参数.VTI(具有垂直对称轴的横向各向同性)是地层介质中广泛存在的一种各向异性形式,对振幅随偏移距变化(AVO)影响显著.本文提出了一种改进的VTI介质SH-SH波反射系数近似公式,新公式具有较高的精度且仅包含两项待求参数：横波阻抗和水平横波(SH波)速度.基于新方程建立了VTI介质SH-SH波反演方法,该方法相比VTI介质的PP波反演不确定性明显下降,同时降低了常规PP波各向异性反演对大角度数据的要求.为了获得独立的横波各向异性参数,进一步地提出了一种基于岩石物理关系的横波各向异性参数估算方法.合成地震数据测试和柴达木盆地九分量地震勘探实际地震数据应用结果表明,新方法能够准确地预测地层的横波阻抗、水平横波(SH波)速度、各向异性参数,为各向异性地层的岩性解释和油气储层预测提供了可靠的解决方案,从而深化了横波地震勘探的应用潜力.