基于深度学习的地层沉积正演模拟代理模型构建与应用

地层沉积正演模拟方法能更真实地刻画地下地质体的分布规律，比传统的基于地质统计学的建模更有优势，但是条件化难度大，使其应用在实际油藏地质建模时面临较大挑战。地层沉积反演模拟提高了该方法的实用性，基于模拟结果与观测数据定量比较，地层沉积反演模拟在全局优化算法的驱动下不断修正地层沉积正演模拟输入参数，使模拟结果与观测数据吻合度达到最佳。由于反演系统优化参数多，非线性极强，收敛难度大，需要的迭代次数多，单次正演模拟耗时长，导致该方法效率较低。地层沉积反演模拟和深度学习算法中的生成对抗网络相结合，提出了构建地层沉积正演模拟代理模型的方法。以大量的碳酸盐岩地层沉积模拟的合成模型作为样本，通过神经网络训练，形成地层正演模拟器的代理模型，然后将其代入地层沉积反演模拟系统，避免了直接地层正演模拟的长耗时，加快了反演模拟的收敛速度。通过巴哈马西缘碳酸盐岩地层沉积模拟验证了该方法的可行性，采用学习后的生成网络进行沉积反演模拟，反演效率得到了大幅提升。尽管本文展示的是二维实例，也有望扩展应用在三维模型上。