[发明专利]油气储层参数标签数据生成方法及装置

说明书

本发明提供了一种油气储层参数标签数据生成方法及装置，该方法包括：根据研究区的测井数据，利用高斯混合分布函数，得到岩相的先验分布概率；进行马尔科夫链蒙特卡洛随机模拟生成多条随深度变化的岩相曲线；进行序贯高斯模拟，生成多条随横向变化的岩相曲线；根据多条随深度变化的岩相曲线、多条随横向变化的岩相曲线和油气储层参数测井曲线取值的先验特征，随机填充各个岩相，得到研究区的物性参数曲线；进行岩相约束统计岩石物理建模，确定研究区的弹性参数曲线；利用Zoeppritz反射方程与地震子波进行褶积，生成油气储层参数标签数据。无需依赖研究区测井的数量与质量，提高了生成的标签数据的可迁移性，进而提高生成效率。

技术领域

本发明涉及油气地球物理勘探技术领域，尤其涉及一种油气储层参数标签数据生成方法及装置。

背景技术

近年来我国油气勘探的重点逐渐向岩性油气藏勘探转移。不同于构造油气藏，这些新型储层受构造和储层非均质性的影响，成藏条件复杂，识别难度大，难以定量预测，投资风险高。在油气地球物理勘探领域，储层参数，如岩相、纵横波速度等弹性参数以及孔隙度、含油气饱和度等物性参数，能够对地下岩石的弹性性质和物性性质进行描述，是岩性油气藏预测的重要参数。由于成藏条件复杂，地震响应特征与储层参数间存在高度非线性的关系。常规利用地震资料预测储层参数的技术存在较大的误差，达不到定量化勘探的要求。人工智能技术的出现，使得这类复杂油气藏的定量化预测成为可能。在油气地球物理勘探领域，通过人工智能与现有常规地震资料处理、解释技术相结合形成智能化物探技术，可极大提高地震资料处理和解释工作效率。

而标签数据是人工智能监督学习网络的基础，其数量和质量直接决定预测结果的好坏。但油气地球物理勘探领域由于数据资源有限，标签数据极度缺乏，严重制约着储层参数智能化预测技术的发展。现有油气储层参数标签数据的生成，主要利用已知测井数据与井旁道地震数据生成标签数据。但此方法会使得标签数据的生成严重依赖研究区测井的数量与质量，因此，对于测井少的研究区来说无法生成油气储层参数标签数据。另外，所生成的标签数据的可迁移性极差，往往换个目标研究区，就需要重新采集大量的测井数据及井旁道地震数据，使得油气储层参数标签数据的生成效率十分低下。

发明内容

本发明实施例提供一种油气储层参数标签数据生成方法，用以无需依赖研究区测井的数量与质量，提高生成的标签数据的可迁移性，提高标签数据的生成效率，该方法包括：

根据研究区的测井数据，利用高斯混合分布函数，得到研究区的岩相的先验分布概率；

根据研究区的岩相的先验分布概率，进行马尔科夫链蒙特卡洛随机模拟生成多条随深度变化的岩相曲线；

根据生成的多条随深度变化的岩相曲线，进行序贯高斯模拟，生成多条随横向变化的岩相曲线；

根据多条随深度变化的岩相曲线、多条随横向变化的岩相曲线和研究区的油气储层参数测井曲线取值的先验特征，随机填充各个岩相，得到研究区的物性参数曲线；

根据研究区的物性参数曲线，进行岩相约束统计岩石物理建模，确定研究区的弹性参数曲线；

根据研究区的弹性参数曲线，利用Zoeppritz反射方程与地震子波进行褶积，生成油气储层参数标签数据。

本发明实施例还提供一种油气储层参数标签数据生成装置，用以无需依赖研究区测井的数量与质量，提高生成的标签数据的可迁移性，提高标签数据的生成效率，该装置包括：

先验分布计算模块，用于根据研究区的测井数据，利用高斯混合分布函数，得到研究区的岩相的先验分布概率；

蒙特卡洛模拟模块，用于根据研究区的岩相的先验分布概率，进行马尔科夫链蒙特卡洛随机模拟生成多条随深度变化的岩相曲线；

序贯高斯模拟模块，用于根据生成的多条随深度变化的岩相曲线，进行序贯高斯模拟，生成多条随横向变化的岩相曲线；