用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体，同时在反演过程中既要考虑模型和测井的约束，又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射，并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷，提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率，使网络的训练速度大幅度提高。利用该方法进行地震反演，抛开了褶积模型的限制，也无须已知地震子波。外推过程是在三维空间内进行的，所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释，可以直接描述储层的空间展布。     

利用strata反演波阻抗

本文对嫩江松花江地区的三维地震资料进行处理,结合该地区基础地质资料、钻井资料以及测井资料,利用strata软件进行反演,得出波阻抗剖面,从而预测该地区的含油砂体分布。反演结果可以看出反演剖面层次特征清楚,横向变化比较合理,基本能反映地震资料的横向变化特征,可以满足储层研究的对比追踪要求。     

基于深度学习的页岩储层总有机碳含量预测方法

页岩储层总有机碳（Total Organic Carbon,TOC ）含量的地震预测普遍采用密度回归拟合法,仅考虑了单因素的线性关系,预测结果误差较大。针对常规方法的不足,提出基于深度学习的TOC含量预测方法。首先,从测井资料中优选出与TOC含量曲线相关度相对较高的多个弹性参数曲线作为样本集输入数据,TOC含量曲线作为样本集输出数据,构建针对TOC含量预测的深度前馈神经网络模型;然后,调试网络模型结构,并利用共轭梯度法进行网络参数寻优;最后,将叠前振幅随偏移距变化（Amplitude Versus Offset,AVO ）反演得到的弹性参数数据体输入到深度前馈神经网络模型,预测得到最终的TOC含量数据体。通过四川盆地页岩储层实际测井、地震资料的应用,对比了该方法相对于常规回归拟合法的优越性,验证了方法的实用性和可行性,为页岩储层TOC含量预测提供了新思路。     

模型反演技术在煤层厚度预测中的应用

在煤田地震勘探中,煤层厚度的变化情况是矿方开采前急需的重要参数。地震反演就是利用测井、钻井资料和地质规律为约束条件,构建一个初始波阻抗模型,将初始波阻抗模型与实际地震剖面进行对比,根据它与实际地震剖面的差异反复修改模型参数,最后得到一个从给定的观测数据中重构出的合适的地质模型,从而较好地预测和描述地下储层的纵横向展布和物性变化。对宁夏某矿区三维地震资料利用钻孔测井资料为约束进行反演处理,应用STRATA地震反演系统,获得波阻抗反演数据体。反演技术应用于煤层厚度解释具有直观、快速的特点。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

基于多频率分量的叠前AVO多尺度反演方法

为提高频率域反演的分辨率和抗噪能力,减小频率域反演对初始模型的依赖程度,发展了多分量频率域叠前AVO弹性参数反演方法。考虑地震信号在频率域中不同频率成分可实现自动解耦,使得反问题可通过多分量迭代的途径求取。首先,利用贝叶斯公式将多频率分量联系起来,并结合稀疏约束先验提高反演算法抗噪能力。此外,采用超低频平滑模型提高多频率分量AVO反演算法的稳定性和可靠性。然后,模型测试综合验证了该方法的高分辨率特征和横向连续性,获得与理论模型吻合度较高的高分辨率反演结果。最后,实际资料表明该方法能够稳定的从叠前地震数据中获取与测井数据相吻合的高分辨率弹性参数信息,并可有效的运用到储层含油气性质检测中。     

莫西庄地区三维工区非线性反演与砂体识别

准噶尔盆地中部莫西庄的侏罗系三工河组储层砂体在纵向、横向上变化大,且物性不均匀。本文通过对钻井、测井、试油等地质资料的分析研究,以三维地震资料为基础,采用地震高分辨率非线性三维整体反演方法,对多种参数进行了反演和处理,获得了反映砂岩分布特征的速度、密度及伽马等属性参数的三维数据体,并综合地质资料进行沉积分析、砂岩累计厚度和有效砂岩累计厚度及储层分布研究。通过物性特征分析,建立了识别和评价三工河组砂体的物性标准,利用岩性划分标准和地震多属性数据,提取出三工河组砂体和有利砂体的空间展布特征。三工河组砂岩和有利砂岩发育,并以条带、砂坝和席状砂形式展布,展布方向与区域沉积方向一致。其中三工河组优质储层段J1s21和J1s22厚度较大,具备良好的物性条件,具有较高的产储能力和勘探开发前景。     

用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起地震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，使网络能有效地避开局部极小，这样可以提高收敛速度和拟合精度。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布     

多手段综合分析在塔河油田石炭系薄储集层预测中的应用

针对塔河油田石炭系卡拉沙依组砂岩储集层埋藏深、砂层薄、横向变化快、非均质性严重、地震识别困难等问题,通过对地震资料提频,利用地震切片、曲线重构下的测井约束反演和相控储层预测等多手段技术综合分析,将地震属性和反演波阻抗有机结合,指导储集层砂体相控解释,确定了含油砂体的空间展布与描述.实践表明,该方法能有效地利用地震数据体进行薄层储集体预测.     

基于ATV正则化与初始模型约束的波阻抗反演

提出了一种基于各向异性全变分正则化和初始模型约束的波阻抗反演方法.为了综合利用地震数据的时空信息,提高反演结果的横向连续性,采用多道同时反演.实验结果表明,即使在强噪声干扰的情况下,利用该方法仍然能得到较好的反演结果,且反演误差较小.     

基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法.其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程.研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演.     

基于深度学习算法不同数据集的地震反演实验

近年来，人工智能中的深度学习技术在地震数据处理、反演和解释领域显示出许多优势。以往的研究表明，深度学习与地震反演相结合的方法比传统方法更有效。利用深度学习技术有可能得到更高分辨率的结果，这对油藏开发至关重要。通过设计地质模型进行采样以获取不同大小数据集，基于卷积神经网络（CNN）研究了不同训练数据集的地震反演应用效果，实验表明，该神经网络的预测精度在一定范围内随训练集的增加而增加，得到了对神经网络模型构建的关键数据集大小占全数据集的比例。此外，通过对地震数据加入不同比例的噪声并对CNN进行训练，结果表明本文所设计的CNN具有良好的抗噪和泛化能力。     

苏里格气田地质随机建模研究

苏里格气田有效开发的一个关键因素是准确预测有效储层的分布规律 .为了克服开发评价早期井距大、井网稀的困难 ,采取了地震资料与随机建模相结合的方法来建立储层地质模型 .在进行了大量地质统计的基础上 ,首先建立了二维剖面模型 ,研究砂体的侧向连续性特征 ,然后使用三步建模方法 ,分别建立了储层骨架模型、沉积相模型和三维属性体模型 .利用所建立的模型进行三维可视化研究 ,可以确定有效储层的分布规律 ,从而为开发方案的优化打下坚实的基础     

基于地震地质模型的高分辨率处理方法

根据层序地层学理论并利用钻井、测井和地震已知信息 ,对油田和探区的地震层序模型进行了研究 ,建立了有效的地震地质模型。将地震地质模型用于地震资料的联合反演 ,提高了地震资料的分辨率。这种基于地震地质模型的高分辨率处理方法能补偿地震记录的高频成分并拓宽低频成分 ,有效地扩展了信号的有效频带。在提高分辨率的同时 ,改善了资料的信噪比 ,从而提高了用地震时间剖面解决地质问题的能力。     

利用相干数据体检测断层与特殊岩性体

利用三维地震资料解决复杂的地质问题具有明显的优越性 ,因为三维地震数据体包含丰富的地层、岩性等信息。然而采用常规三维地震资料的解释方法 ,工作量很大 ,而且很难得到断层和特殊岩性体清晰而准确的直观图像。利用相干数据体检测方法可以解决这一问题。相干数据体是通过对道间相似性等属性的计算 ,实现三维振幅数据体向三维相似系数等属性体的转换。利用相干属性体可对断层做自动、半自动解释 ,也可以实现特殊岩性体的准确成像 ;既可以降低劳动强度 ,又可以缩短三维地震资料的解释周期。文中详细描述了相干数据体算法以及断层和特殊岩性体的自动检测方法 ,实际资料处理展示了相干属性体的良好应用前景     

利用地震资料预测储层裂隙发育带

裂隙发育带是油气运移的基本通道之一。利用地震资料预测储层裂隙发育带可以应用以下 3种技术 :①叠后三维地震数据相干体分析技术 ;②叠后三维地震数据体构造属性分析技术 ;③叠前三维地震数据体的AVO及AVA分析技术。实践表明 ,利用多波多分量资料、叠前的AVO或AVA资料预测裂隙发育带效果会更好。尽管利用叠后资料研究裂隙发育带有较大的难度 ,但在资料信噪比较高的前提下 ,充分利用包含着丰富地质信息的三维数据体 ,可以得到令人满意的效果     

AVO/AVA反演对非均质储层横向分辨率影响

 塔里木盆地碳酸盐岩储层以次生溶蚀孔洞为主要储集空间,表现为强非均质性的特点。孔洞体积的准确计算对油田开发方案制定意义重大。受地表沙漠化和储层深埋藏的影响,塔中地区地震资料具有低信噪比和分辨率的特点。适合于对该地区储层描述以及孔隙流体探测的叠前地震反演方法通常为角道集部分叠加的AVA反演。与单道AVO反演相比,AVA反演基于角道集的叠加,在提高信噪比的同时将影响反演结果的横向分辨率。本文通过物理模拟的办法,建立了不同大小、低速介质充填的孔洞物理模型。在采集的地震资料基础上,量化分析了AVO反演与AVA反演两种不同叠前地震反演方法对同一孔洞的反演结果在非均质储层横向分辨率上的差异,并且与孔洞实际尺寸进行了对比。结果表明,地震道集的叠加在提高信噪比的同时降低了横向分辨率,地震道集叠加后一道所代表的范围越大,横向分辨率降低越明显。     

基于信息融合理论和波动方程的地震地质统计学反演

通过对地震，测井等地学信息的空间结构进行研究，为三维地质建模提供变差函数模型，针对中国陆相复杂油储地质特点，提出了有效的随机建模方法，实现了基于波动方程的地震地质统计学反演方法，获取了一系列波阻抗实现，采用信息融合方法，挖掘所有实现中的确定性信息，用概率统计方法，研究反演结果的置信度，实现了分辨率波阻抗成像。