基于深度学习的裂缝预测在S区潜山碳酸盐岩储层中的应用

摘要：

准确描述并预测裂缝空间分布是裂缝型潜山油藏储层开发的前提条件,裂缝型潜山油藏构造复杂、断层发育、地震反射多表现为空白或杂乱反射,传统的依赖模型的反演方法难以表征复杂的潜山断裂系统.为此,提出了以测井裂缝敏感参数FICc为训练目标的深度信念网络反演方法.首先基于碳酸盐岩裂缝在测井曲线上的响应特征,综合伽马、井径等曲线,构建敏感性裂缝识别参数FICc;然后以基于优选井计算的FICc曲线作为训练目标、以井旁地震数据作为训练特征构成训练样本,通过训练深度信念网络,建立井旁地震数据与FICc曲线之间的非线性映射关系;最后将训练成熟的网络模型应用到整个地震数据体,反演得到裂缝识别参数FICc,进而预测裂缝空间分布.S区潜山裂缝预测的应用结果表明,测井裂缝识别参数FICc识别结果与成像测井裂缝识别结果基本吻合,FICc作为训练目标在S区裂缝预测中具有较好的可靠性;应用深度信念网络反演的解释结果表明S区潜山主要发育北东向裂缝,呈带状沿断层大面积发育,与熵属性刻画的裂缝发育带一致性较好,钻井吻合率达71％.

关键词：裂缝预测、潜山、碳酸盐岩、测井、裂缝识别参数、深度学习、非线性反演、熵属性

所属期刊栏目：59

分类号：P631

资助基金：中国科学院战略性先导专项XDA14010303;高等学校学科创新引智计划"111计划""致密油气地质与勘探创新引智基地、深层超深层油气地球物理勘探创新引智基地"联合资助

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：267-275