基于地震多属性利用ES-DBN网络估算裂缝孔隙度 |
| |
作者姓名: | 张圣泽 张广智 周游 刘俊州 韩磊 |
| |
作者单位: | 1. 中国石油大学(华东)地球科学与技术学院;2. 海洋国家实验室海洋矿产资源评价与探测技术功能实验室;3. 中国石油化工股份有限公司石油勘探开发研究院 |
| |
基金项目: | 国家自然科学基金项目“基于深度学习的深层裂缝储层参数地震反演方法”(42074136);;国家自然科学基金企业创新发展联合基金项目“渤海潜山裂缝性储层地震响应机理及精确成像方法”(U19B2008);;中国石油大学研究生创新工程项目“基于集成学习的变质岩潜山油气藏裂缝特征参数预测方法研究”(YCX2020014)等联合资助; |
| |
摘 要: | 地震数据中蕴含丰富的地层信息,裂缝孔隙度作为表征致密碎屑岩储层品质及产能评价的关键参数,目前无法利用常规线性反演方法从地震数据中挖掘出裂缝孔隙度的有效信息.为了有效获取致密碎屑岩地震信号中储层与非储层数据特征之间的差异,本文借助深度置信网络(DBN)强大的特征提取能力,利用回声状态网络(ESN)中的回归层代替DBN网络中的误差反向传播算法组合搭建出ES-DBN网络.ES-DBN网络能够较好的捕捉地震数据中的动态时序信息,每次训练都独立于前次的DBN学习过程,且只考虑回归层最终的输出权值矩阵,通过模型测试对比发现,该网络的学习效率和预测准确率均高于传统的DBN网络.以井中裂缝孔隙度为预测目标,基于提取的多种井旁敏感的叠前叠后裂缝属性,利用构建出的网络模型对研究工区地下地层裂缝孔隙度进行预测,预测结果表明:该网络能够较好的实现致密碎屑岩储层的裂缝孔隙度的三维表征,取得了良好的应用效果.
|
关 键 词: | 地震属性 神经网络 裂缝预测 非线性反演 |
|