[发明专利]一种基于地震反演和机器学习的陆相烃源岩定量预测方法

说明书

本发明涉及一种基于地震反演和机器学习的陆相烃源岩定量预测方法，用于预测某一区域陆相烃源岩的空间分布和有机质含量，该首先优选对陆相沉积地层砂泥岩岩性区分和有机质含量敏感的弹性属性，然后训练阶段表征“弹性属性‑岩性”和“弹性属性‑有机质含量”映射关系的机器学习网络，最后，将训练的机器学习网络与叠前地震数据的叠前弹性参数反演结果结合，进而预测烃源岩的空间分布和有机质含量。与现有技术相比，本发明预测准确度高。

技术领域

本发明涉及一种烃源岩预测方法，尤其是涉及一种基于地震反演和机器学习的陆相烃源岩定量预测方法。

背景技术

现有的烃源岩地震评价技术主要基于地震相的定性分析或基于叠后波阻抗与有机质含量的直接转化关系，这些技术很难用于陆相非均质性较强的烃源岩评价，一方面是陆相沉积环境下的烃源岩相带窄，烃源岩厚度变化大，地震相分析很难对烃源岩进行准确描述，另外一方面由于陆相沉积环境下地震弹性-岩性-有机质含量映射关系非常模糊，弹性参数或地震属性与烃源岩评价参数(有机质含量)之间是一种非常复杂的非线性映射关系，利用简单线性模型驱动很难对其地震岩石物理特征进行全面准确描述。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于地震反演和机器学习的陆相烃源岩定量预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于地震反演和机器学习的陆相烃源岩定量预测方法，用于预测某一区域陆相烃源岩的空间分布和有机质含量，该方法包括训练阶段和预测阶段，其中，

训练阶段包括：

A1、优选对陆相沉积地层砂泥岩岩性区分和有机质含量敏感的弹性属性；

A2、训练用于预测岩性的第一机器学习网络，所述的第一机器学习网络输入为陆相沉积地层的弹性属性，输出为岩性，所述的岩性包括泥岩和沙岩；

A3、训练用于预测有机质含量的第二机器学习网络，所述的第二机器学习网络输入为泥岩层对应的弹性属性，输出为有机质含量；

预测阶段包括：

B1、对待预测区域的叠前地震数据进行叠前弹性参数反演获取与步骤A1对应的弹性属性；

B2、采用第一机器学习网络预测岩性，获取泥岩层的空间分布；

B3、采用第二机器学习网络对泥岩层有机质含量进行预测，上述泥岩层的空间分布和有机质含量即为陆相烃源岩的空间分布和有机质含量。

训练阶段步骤A1前还包括训练数据的获取，所述的训练数据包括测井数据、钻井或录取的岩性标定数据以及地球化学测试的有机质含量数据。

所述的弹性属性包括纵波速度、横波速度、密度、纵波阻抗、横波阻抗中任意一个或多个的组合。

步骤A1定量评估弹性属性与岩性以及弹性属性与有机质含量之间的相关性，当相关系数0.5时，选取相应的弹性属性为所述的敏感的弹性属性。

所述的第一机器学习网络为基于随机森林算法的机器学习网络。

所述的第二机器学习网络为基于随机森林算法的机器学习网络。

训练阶段对不同深度段沉积地层分别训练对应的第一机器学习网络，进而预测阶段对不同深度段沉积地层采用对应的第一机器学习网络预测岩性。

训练阶段对不同深度段泥岩层分别训练对应的第二机器学习网络，进而预测阶段对不同深度段泥岩层的采用对应的第二机器学习网络预测有机质含量。

与现有技术相比，本发明具有如下优点：