一种基于深度混合神经网络的储层预测方法
阅读说明：本技术 一种基于深度混合神经网络的储层预测方法 (Reservoir prediction method based on deep hybrid neural network ) 是由 王俊 曹俊兴 蒋旭东 于 2021-08-13 设计创作，主要内容包括：本发明提供了一种基于深度混合神经网络的地震储层预测方法,所述方法包括：首先,根据研究层段的解释层位计算目标层段的多种地震属性,提取已钻井的储层分类信息；然后,将提取的地震属性通过聚类分析技术进行优选,选取对含油气储层敏感的地震属性；基于此,以测井数据和地震数据为驱动,利用井点的储层分类数据为标签,优选的地震属性为输入,训练深度混合神经网络深度学习模型；最后,利用训练好的反演模型进行从已知到未知的地震储层直接反演预测。本发明综合了井点数据与地震数据,可较好的挖掘原始数据中蕴含的信息,实现无井区的地震储层预测,所预测的油气储层边界更加清晰,预测结果与实际情况基本吻合。(The invention provides a seismic reservoir prediction method based on a deep hybrid neural network, which comprises the following steps: firstly, calculating various seismic attributes of a target interval according to an interpretation horizon of a study interval, and extracting classification information of a drilled reservoir; then, the extracted seismic attributes are optimized through a clustering analysis technology, and seismic attributes sensitive to oil-gas reservoirs are selected; based on the method, the logging data and the seismic data are used as driving, reservoir classification data of well points are used as labels, and the optimal seismic attributes are used as input, so that a deep hybrid neural network deep learning model is trained; and finally, carrying out direct inversion prediction from a known to an unknown seismic reservoir by using the trained inversion model. The invention integrates well point data and seismic data, can better mine information contained in original data, realizes seismic reservoir prediction without a well area, and has clearer predicted oil and gas reservoir boundary and basically consistent prediction result with actual situation.)
技术领域
本发明涉及石油地球物理勘探领域，特别地，涉及一种基于深度混合神经网络的地震储层反演预测方法。
背景技术
地震勘探是目前最常用的油气勘探方法之一，地震数据作为地下地质情况的媒介，一直占有着至关重要的地位。随着油气勘探开发的不断深入，勘探对象己由常规油气藏逐渐向裂缝油气藏和岩性油气藏转变，常规储层预测方法的精度和效率己难以满足对这些油气藏的预测要求，尤其是在深层条件下。因此，有针对性的循新的思路发展新的地震储层预测方法对油气勘探开发有着重大意义。
人工智能深度学习技术的发展为地震储层的准确反演预测提供了新的思路和方法。深度学习是利用计算机从数据中自动分析获得规律，并利用获得的规律对未知数据进行预测的算法，适合于非线性复杂任务，在许多科学领域都取得了突破性的应用成果。深度学习的本质是构建一个被称之为深网络的嵌套映射矩阵，功用和数理解析模型中的变量映射关系相当。在变量关系无法确定的复杂问题中，深度学习是现阶段构建其映射关系模型的最佳手段。我们现在面临的问题就是如此：储层类型与地震数据之间的关系相当复杂，受固体骨架弹性模量、孔隙结构、孔隙大小、孔隙连通性、孔隙流体组成等多种因素的影响，表现出强的非线性特征。在这种情况下，使用深度学习构建深网络映射模型可能是最佳选择。
为此，受集成学习思想的启发，基于储层地质沉积规律及其在地震响应上的特点，我们将深度学习中的两种特殊网络卷积神经网络和双向循环神经网络进行集成，发明了一种基于深度混合神经网络深度学习模型的地震储层预测方法，以充分利用这两种网络的优势最大程度的挖掘输入输出数据之间的内禀特征，实现从已知到未知的地震储层直接反演预测。
发明内容
本发明的目的在于提出一种基于深度混合神经网络的储层预测方法，该方法以测井数据和地震数据为驱动，利用井点的储层分类数据为训练标签，优选的地震属性数据为训练输入，训练深度混合神经网络深度学习地震反演模型，建立起地震数据与储层之间的映射复杂映射关系，实现从已知到未知的地震储层直接反演预测。所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。
本发明为了实现上述目的，采用如下技术方案：
一种基于深度混合神经网络的储层预测方法，该方法包括如下步骤：
步骤1、根据已探井信息和地震信息进行准确标定层位，获取地震数据和井数据；
步骤2、根据研究层段的解释层位计算多种地震属性，提取已钻井的储层分类信息；
步骤3、将步骤2中提取的地震属性通过聚类分析技术进行优选，选取对含油气储层敏感的地震属性，降低无关地震属性的影响；
步骤4、基于步骤2和步骤3，以测井数据和地震数据为驱动，利用井点的储层分类数据为训练标签，优选的地震属性数据为训练输入，训练深度混合神经网络深度学习地震反演模型；
步骤5、以无井区的地震属性数据为输入，利用步骤4训练好的深度学习模型进行从已知到未知的地震储层反演预测。
本发明中，所述储层类型数据以及地震数据为本领域公知的常识。
本发明的一种基于深度混合神经网络的储层预测方法，其核心问题是以测井数据和地震数据为驱动，利用井点的储层分类数据为训练标签，优选的地震属性数据为训练输入，训练深度混合神经网络深度学习地震反演模型，建立起地震数据与储层类型信息之间的映射复杂映射关系。
本发明的一种基于深度混合神经网络的储层预测方法，具有如下特点，主要表现为：
(1)在目标层的准确标定的基础上，利用地震解释的层位进行约束，提取目的层段的地震多属性，包括振幅、频率、相位等地震属性；在此基础上，建立地震属性与储层分类对应关系；根据井点坐标提取井位点的各种地震属性数据，建立井点位置储层分类与各种地震属性的数据库。
(2)所述深度混合神经网络深度学习模型由卷积神经网络和双向循环神经网络堆叠组成，充分利用这两种网络的优势最大程度的挖掘输入输出数据之间的内禀特征；所述卷积神经网络作为地震数据信息提取的特征提取器，将卷积神经网络提取的特征信息作为所述双向循环神经网络的输入，以考虑地层沉积的时序关系，将其转换成内部隐含层信息，然后通过全连接层将所述隐含信息转换到储层类型数据。
(3)所述深度混合神经网络预测方法主要包括数据标准化、模型建立和预测、分析与评价三个部分。其中模型建立和预测部分为模型的核心模块，主要包括网络构建和数据预测，通过训练数据集训练网络逼近地震属性数据和储层类型信息之间的复杂映射关系，以无井区的地震属性数据为输入，实现从已知到未知的地震储层预测。
本发明的有益效果是：本发明方法以测井数据和地震数据为驱动，综合了井点数据与地震属性数据，可较好的挖掘原始地震数据中蕴含的有效信息，最大程度避免储层横向和纵向非均质性带来的影响，实现从已知到未知地震储层直接反演预测，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。
附图说明
图1为本发明的基于深度混合神经网络的储层预测方法的一具体实施例流程图；
图2为本发明的一具体实施例中的深度混合神经网络结构图；
图3为本发明的一具体实施例中研究区连井地震剖面图；
图4为本发明的一具体实施例中常规方法的预测结果连井剖面图；
图5为本发明的一具体实施例中基于深度混合神经网络方法的预测结果连井剖面图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。
如图1所示，图1为本发明的基于深度混合神经网络的储层预测方法的流程图。
步骤1、根据已探井信息和地震信息进行准确标定层位，获取地震数据和井数据；
步骤2、根据研究层段的解释层位计算多种地震属性，提取已钻井的储层分类信息；
步骤3、将步骤2中提取的地震属性通过聚类分析技术进行优选，选取对含油气储层敏感的地震属性，降低无关地震属性的影响；
步骤4、基于步骤2和步骤3，以测井数据和地震数据为驱动，利用井点的储层分类数据为训练标签，优选的地震属性数据为训练输入，训练深度混合神经网络深度学习地震储层反演模型；
步骤5、以无井区的地震属性数据为输入，利用步骤4训练好的深度学习模型进行从已知到未知的地震储层反演预测。
步骤2所述的地震数据体包括原始地震数据和衍生数据体，包括原始地震数据、振幅类数据、流体检测类数据、频率类数据、相位类数据、构造类数据等。
步骤2所述的储层分类信息是根据探井得到的各层位的岩性数据和油性数据得到储层与非储层。
步骤4所述深度混合神经网络深度学习模型由卷积神经网络和双向循环神经网络堆叠组成，充分利用这两种网络的优势最大程度的挖掘输入输出数据之间的内禀特征；所述卷积神经网络作为地震数据信息提取的特征提取器，将卷积神经网络提取的特征信息作为所述双向循环神经网络的输入，以考虑地层沉积的时序关系，将其转换成内部隐含层信息，然后通过全连接层将所述隐含信息转换到储层类型数据。
步骤4所述所述深度混合神经网络预测方法主要包括数据标准化、模型建立和预测、分析与评价三个部分。数据标准化：为减小输入输出数据间数量级差别较大引起的误差，采用均值-方差归一化方法对输入数据进行标准化处理，以确保各参数处于合理的分布范围内，使网络更容易学习到数据间的内在关系；模型建立和预测：该部分为模型的核心模块，主要包括网络构建和数据预测，通过训练数据集训练网络逼近输入和目标输出之间的复杂映射关系，实现利用地震数据直接进行无井区的储层预测；分析与评价：根据不同的评价指标，评价模型预测结果的准确性。
图2为本发明方法的深度混合神经网络结构图，基于储层地质沉积规律及其在地震响应上的特点，针对地震数据和储层类型信息之间的复杂关系，受集成学习的思想的启发，为充分利用卷积神经网络和双向循环网络两种特殊网络的特性，最大程度的挖掘地震属性数据和储层类型信息之间的内禀特征，本发明提出了将两者结合以处理具有复杂特征数据的模型，这种模型称为深度混合神经网络模型。其主要思路有两方面。首先，作为一种特殊网络模型，卷积神经网络可以较好的学习数据特征，并且通过权值共享使得运算量大大降低。卷积神经网络不会因为对数据深层次特征的提取而导致大量特征信息损失，考虑到一维卷积神经网络模型的输入数据是数值向量，而地震数据通过适当处理后可生成满足一维卷积神经网络模型的输入要求。因此，本文选用一维卷积神经网络作为地震数据信息提取的特征提取器。其次，从储层沉积连续性角度，地震数据可以看作纵向上具有联系的时序数据，时序特征也是进行储层预测的关键信息。由于具有很强的记忆能力，双向循环网络网络可高效提取时序数据的时序特征，故本文将卷积神经网络提取的特征信息作为双向循环网络的输入，充分利用双向循环网络学习地震数据沿深度方向的趋势信息，以考虑地层沉积的时序关系，一定程度上降低预测结果的不确定性。
图3为本发明的一具体实施例的研究区连井地震剖面图，该实际地震数据来自于川西深层碳酸盐岩储层，该剖面为过井三口井的地震剖面。从上至下层位T1为雷口坡组顶部风化壳顶部，马鞍塘组底部，T2为雷口坡组四段顶部，T3为雷口坡组四段底部，T4为雷口坡组三段底部，T5为雷口坡组一段底部。就目前钻探结果来看，主要储层含气目标层位为雷口坡组顶部风化壳储层(T1)已钻三口井均钻遇气层，其中井1和2在该层含气性较好；以及雷口坡组四段顶部(T2)已钻井2和井3钻遇气层，井1为水层；雷口坡组三段顶部(T4)仅有井2钻遇气层其余均为水层。
图4为经典AVO方法的预测结果连井剖面图，从图3的预测结果可以看出，AVO预测的结果整体准确率较低，与钻探结果吻合度较低。井1为水井，虽然预测结果显示也为不含气井但雷口坡组顶部的含气特征没有表现出来；井2为高产期井，预测结果显示却为不含气井；井3为低产气井，而含气预测结果为强含气层，与钻探结果不符。基于AVO反演分析方法的预测结果，与实际钻探差异较大，说明该方法在深层条件下不适用，所以需要新的手段和方法对深层雷口坡组碳酸盐岩进行储层预测。
图5为基于深度混合神经网络方法的预测结果连井剖面图，从图5的预测结果可以看出，相对原始数据，储层预测准确性得到了有效的提升，整体含气性预测结果与钻探结果和地质规律吻合度高。主要目的层段风化壳(马鞍塘组底部T1)含气层及其雷口坡组四段顶部(T2)含气层均有体现，雷口坡组三段顶部(T3)含气层也有所体现。其中后验井井1实际钻探显示除顶部风化壳具有含气，其余均为水层和非储层，预测结果相对原始结果吻合度高，井2的实际钻探显示为高产气层，预测结果在雷口坡组顶部，雷口坡组三段顶部，中下亚段均表征了其含气性，井3在雷口坡组顶部含气性也在预测结果中得到了体现。说明整体含气性结果与实际钻探结果吻合度高，雷口坡组顶部风化壳含气性储层都有所表征。
对比分析图4和图5经典AVO方法和深度混合神经网络预测方法的预测结果表明本发明方法综合了井点数据与地震数据，可较好的挖掘原始地震数据中蕴含的有效信息，最大程度避免储层横向和纵向非均质性带来的影响，在气水关系复杂的川西深层雷口坡组碳酸盐岩地区的成功运用，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。
以上显示和描述描述了本发明专利的基本原理，主要特征和本发明专利的特点。本行业的技术人员应该了解，本发明专利不受上述实施例的限制，上述实施例和说明书中描述的只是本发明专利的原理，在不脱离本发明专利精神和范围的前提下，本发明专利还会有各种变化和改进，这些变化的改进都落入要求保护的本发明专利的范围内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种开放式电磁法发送系统及其控制方法