[发明专利]使用机器学习进行地震相识别的系统和方法

说明书

描述了一种用于地震相识别的方法，包括接收表示感兴趣的地下体积的地震数据集；对所述地震数据集执行机器学习算法以识别地震相并生成分类的地震图像；以及基于所述分类的地震图像识别地质特征。该方法可以由计算机系统执行。

相关申请的交叉引用

本申请要求于2016年10月14日提交的美国临时申请序列号62/408188的优先权权益，其全部内容通过引用并入本文。

关于联邦政府资助的研究或开发的声明

不适用。

技术领域

所公开的实施例总体上涉及用于识别地下储层中的相的技术，并且具体地涉及通过机器学习从地震数据识别相的方法。

背景技术

地震勘探涉及为了烃沉积而勘测地下地质介质。勘测通常涉及在预定位置处部署地震源和地震传感器。地震源生成地震波，该地震波传播到地质介质中，从而产生压力改变和振动。地质介质的物理性质的变化引起地震波的某些性质(诸如它们的传播方向和其他性质)的改变。

地震波的一部分到达地震传感器。一些地震传感器对压力改变敏感(例如，水听器)，而其他地震传感器对粒子运动敏感(例如，地震检波器)，并且工业勘测可以部署一种类型的传感器或两者。响应于检测到的地震波，传感器生成相应的被称为道(trace)的电信号，并将它们作为地震数据记录在存储介质中。地震数据将包括多个“射击”(地震源被激活的各个实例)，其中每个“射击”与在多个传感器处记录的多个道相关联。

处理地震数据以创建地震图像，该地震图像可以被解释，以识别包括烃沉积的地下地质特征。地震图像可以用于获得地震相。地震相是地震图像中可以基于诸如幅度(例如，幅度随偏移距/角度的变化)、连通性、几何结构和/或纹理的特性来分类的反射的组。知识渊博的从业者可以将这些相解释为对应于地下性质，诸如岩性、沉积环境和流体含量。该信息可以用于烃勘探环境中以搜索烃储层的理想地质环境，并且用于模型构建目的以在各个相内分配适当的性质(速度、密度、渗透率、孔隙度等)。

现有技术包括基于使用例如神经网络或自组织映射在逐道的基础上对数据进行分类的方法。这对于准确表示地质特征的真实几何结构或连通性可能是有害的。而且，这些逐道的方法耗时并且在表征地下的过程中产生瓶颈。

识别地下中的相的能力对于我们对购买材料、安全操作和成功完成项目做出最合适的选择的能力是至关重要的。项目成本取决于对地球内的物理边界的位置的准确预测。决策包括但不限于预算规划、获得矿产和租赁权、签署井承诺、许可钻井位置、设计井路径和钻井策略、通过规划适当的套管和水泥接合(cementation)策略来防止地下完整性问题、以及选择和购买适当的完井和生产装备。

需要更有效和准确地从地震图像确定地震相的3D分布，这将允许对潜在的烃储层进行更好的地震解释。

发明内容

根据一些实施例，公开了一种地震相识别方法，包括接收表示感兴趣的地下体积的地震数据集；对地震数据集执行机器学习算法以识别地震相并生成分类的地震图像；以及基于分类的地震图像识别地质特征。在实施例中，机器学习算法是无监督算法，其可以可选地将相标签分配给分类的地震图像，并且可以可选地基于其幅度随角度的变化(AVA)或幅度随偏移距的变化(AVO)响应对地震数据进行分类。在另一实施例中，机器学习算法是监督算法，其可以可选地接收相标签集作为输入并且将它们用在监督算法中。本文公开的方法还可以包括在识别地质特征之前在数据空间中使用人工智能来识别地层模式和/或在执行机器学习算法之前接收计算地层模型，在机器学习算法中使用计算地层模型以及执行匹配步骤，其中机器学习算法将来自计算地层模型的特定特征的地震表达与在地震数据集中发现的模式相匹配。

在本发明的另一方面，为了解决上述问题，一些实施例提供了一种存储一个或多个程序的非暂时性计算机可读存储介质。所述一个或多个程序包括指令，所述指令当由具有一个或多个处理器和存储器的计算机系统执行时，使计算机系统执行本文提供的任意方法。