深度学习算法在白云凹陷深水区密度反演中的应用

摘要：

密度属性参数与储层孔隙度、含油气性和流体饱和度的相关性高,但相对于纵波阻抗和横波阻抗,叠前三参数反演中的密度参数反演依赖于大角度地震信息,往往存在较大的不确定性.本文从单井岩石物理建模开始,对南海北部白云凹陷深水区珠江组ZJ110砂层28 m厚度的砂岩进行厚度和含气饱和度替换,生成121 口井的纵波速度、横波速度和密度曲线,进而正演出121 口井的道集数据,得到近、中、远道3个地震数据体.进而对地震数据体开展属性分析,优选出9种地震属性作为特征向量,通过深度学习算法建立多个地震属性与密度的最佳非线性关系.深度学习算法反演的密度参数与实际井曲线吻合度高,反演误差远小于叠前三参数反演,也证实了该方法的实用价值.

关键词：深度学习、密度反演、属性分析、白云深水区

所属期刊栏目：34

分类号：TE132.1(石油、天然气地质与勘探)

资助基金：中海石油中国有限公司科技项目KJZH-2021-0003-00

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：55-61