基于小波变换和卷积神经网络的地震储层预测方法及应用

摘要：

提高储层预测的分辨率和准确性一直是油气藏表征的一个关键问题.将频谱分解与深度学习相结合,提出基于小波变换和卷积神经网络的地震岩性、储层类型预测方法.小波变换能够提供包含高频和低频信息的二维时频谱图,卷积神经网络具有超强的二维图像特征提取和分类能力,时频谱图作为卷积神经网络的输入,有助于充分挖掘地震数据高频和低频信息进行岩性和储层预测.将提出的方法应用于川西沙溪庙组储层预测中,首先利用叠后地震数据预测得到河道砂体分布,然后利用叠前地震数据在河道内部预测储层类型分布.结果表明,深度学习反演预测岩性和储层类型的分辨率和精度更高,能够识别小河道砂体,与生产测试情况更加吻合,优于常规地震反演方法.

关键词：地震储层预测、岩性预测、深度学习、卷积神经网络、时频谱图

所属期刊栏目：44

分类号：P631

资助基金：国家自然科学基金项目;国家科技重大专项;中国石油大学华东自主创新科研计划项目

在线出版日期：2020-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：83-93