[发明专利]基于井震结合的白云岩储层预测方法、系统及存储介质

权利要求书

1.一种基于井震结合的白云岩储层预测方法，其特征在于，步骤包括：

获取测试区的测井数据，且所述测试区包括钻井区和虚拟钻井区；

将所述钻井区中已知钻井的测井数据进行测井敏感性分析，求取所述钻井区的白云岩指数特征曲线，根据所述钻井区的白云岩指数特征曲线的响应范围差异区分白云岩和灰岩；

将所述钻井区的白云岩指数特征曲线经人工智能深度学习后，得到所述虚拟钻井区的白云岩指数特征曲线；

以所述钻井区和虚拟钻井区的白云岩指数特征曲线为约束条件，采用叠后地震资料进行反演，得到所述测试区的白云岩储层的分布和发育状况；

所述将所述钻井区的白云岩指数特征曲线经人工智能深度学习后，得到所述虚拟钻井区的白云岩指数特征曲线的具体步骤为：

在所述测试区中设置所述虚拟钻井区，且所述虚拟钻井区包括若干虚拟钻井，根据三维叠后地震数据体得到各所述虚拟钻井的地震井旁道曲线；

基于所述钻井区处的光截面指数与地震井旁道曲线线性相关的特性，建立所述虚拟钻井的光截面指数与地震井旁道曲线线性关系，并求出所述虚拟钻井的光截面指数；

基于所述钻井区的白云岩指数特征曲线与光截面指数具有相关性，通过人工智能深度学习，根据所述虚拟钻井的光截面指数求出所述虚拟钻井的白云岩指数特征曲线。

2.根据权利要求1所述的基于井震结合的白云岩储层预测方法，其特征在于，所述钻井区中所述已知钻井的测井数据包括声波时差AC、密度DEN和中子CNL。

3.根据权利要求2所述的基于井震结合的白云岩储层预测方法，其特征在于，所述钻井区中所述已知钻井的白云岩指数特征曲线I_dolo为：I_dolo＝DEN*CNL*AC*10^-6，其中，AC为声波时差，DEN为密度，CNL为中子。

4.根据权利要求3所述的基于井震结合的白云岩储层预测方法，其特征在于，所述白云岩指数特征曲线的响应范围差异具体为：

白云岩对所述钻井区的白云岩指数特征曲线的特征响应范围为31.5～49，灰岩对所述钻井区的白云岩指数特征曲线的特征响应范围为0～14。

5.根据权利要求1所述的基于井震结合的白云岩储层预测方法，其特征在于，所述虚拟钻井的白云岩指数特征曲线用于区分所述虚拟钻井的白云岩与灰岩分布状况。

6.根据权利要求1所述的基于井震结合的白云岩储层预测方法，其特征在于，所述以所述钻井区和虚拟钻井区的白云岩指数特征曲线为约束条件，采用叠后地震资料进行反演，得到所述测试区的白云岩储层的分布和发育状况的具体步骤为：

以所述钻井区中所述已知钻井以及所述虚拟钻井区中所述虚拟钻井的白云岩指数特征曲线为约束条件，选取样本数据，并建立相应的初始模型，其中，所述样本数据取自于所述虚拟钻井的数目，所述初始模型为地震反演参与模型；

将所述样本数据代入所述初始模型中，运用地震波形差异反演预测过井地震剖面上白云岩储层的分布和发育状况，得到反演结果；

将所述反演结果与所述钻井区的白云岩储层的分布和发育状况作对比，对所述反演结果进行修正，直至与所述钻井区的白云岩储层的分布和发育状况基本一致，得到所述测试区的白云岩储层的分布和发育状况。

7.根据权利要求6所述的基于井震结合的白云岩储层预测方法，其特征在于，所述对所述反演结果进行修正的具体步骤包括：

当所述反演结果与所述钻井区的白云岩储层的分布和发育状况吻合率低时，重新选择修正样本数据，并重新建立相应的修正模型；

将所述修正样本数据代入所述修正模型中，运用地震波形差异反演预测过井地震剖面上白云岩储层的分布和发育状况，得到反演修正结果；

将所述反演修正结果与所述钻井区的白云岩储层的分布和发育状况作对比，当所述反演修正结果与所述钻井区的白云岩储层的分布和发育状况吻合率低时则重复上述修正步骤，反之则终止上述修正步骤。