[发明专利]一种储层含气识别的方法、装置及系统

说明书

本申请实施例公开了一种储层含气识别的方法、装置及系统，所述方法包括获取待测储层的原始地震剖面；将所述原始地震剖面输入预先构建的含气识别模型中进行处理，所述含气识别模型包括：通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练得到；根据所述含气识别模型的输出结果确定所述待测储层的含气识别结果。利用本申请各个实施例，可以充分利用原始地震数据蕴含的信息，提高含气性预测的精确度。

技术领域

本发明涉及地质勘探技术领域，特别地，涉及一种储层含气识别的方法、装置及系统。

背景技术

随着油气勘探对象逐渐面向构造复杂、介质复杂、地表复杂、深层的非常规油气藏，勘探难度越来越大，取得的油气勘探“亮点”越来越少，在深层非常规油气藏中寻找油气已经成为现阶段石油工业保持稳产或提高产量的主要研究方向之一，也对保障我国石油工业可持续发展和能源安全具有重要的现实意义。

传统的含气性检测技术基于气藏在地震资料上形成的反射特征，通过找“亮点”进行含气性检测，但是，如深层致密砂岩非常规油气藏在地层中同样会形成“亮点”，容易被误判为含气。近年来，有一些通过地震属性来进行含气性检测的技术，如利用地震资料中的频变特性进行含气性检测。但深层非常规油气储层具有较强的非均质性、各向异性，使得储层地质与测井响应及地震预测结果呈现更加复杂的非线性关系，与常规油气预测相比其多解性更强，通过单一的地震属性进行含气性识别效果较差。因此，业内需要一种更加准确的深层非常规油气藏含气性识别技术。

发明内容

本申请实施例的目的在于提供一种储层含气识别的方法、装置及系统，可以充分利用原始地震数据蕴含的信息，提高含气性预测的精确度。

本申请提供的一种储层含气识别的方法、装置及系统是通过包括以下方式实现的：

一种储层含气识别的方法，所述方法包括：

获取待测储层的原始地震剖面；

将所述原始地震剖面输入预先构建的含气识别模型中进行处理，所述含气识别模型包括：通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练得到；

根据所述含气识别模型的输出结果确定所述待测储层的含气识别结果。

本申请实施例的储层含气识别的方法，所述深度学习初始模型包括深度卷积神经网络模型。

本申请实施例的储层含气识别的方法，所述将所述原始地震剖面输入预先构建的含气识别模型中进行处理，包括：

对所述原始地震剖面进行预处理；

所述预处理包括：对所述原始地震剖面中的像素点在时间-空间域开辟相同大小的预设窗口，获得所述原始地震剖面中的像素点对应的第一时窗，对所述第一时窗进行升维扩展；

相应的，将预处理后的原始地震剖面输入预先构建的含气识别模型中进行处理。

本申请实施例的储层含气识别的方法，所述通过采集的地震剖面样本数据对选择的深度学习初始模型进行训练，包括：

对所述地震剖面样本数据中的像素点在时间-空间域开辟相同大小的预设窗口，获得所述地震剖面样本数据中的像素点对应的第二时窗；

当所述第二时窗的大小大于第一预设阈值时，在所述深度卷积神经网络中采用每个卷积层之间均使用池化层；

当所第二时窗的大小大于第二阈值小于第一阈值时，在所述深度卷积神经网络中采用部分卷积层之间使用池化层；

当所述第二时窗的大小小于第二阈值时，在所述深度卷积神经网络中采用每个卷积层之间均不使用池化层；

所述第一阈值大于第二阈值。