[发明专利]基于数据挖掘的致密储层双甜点识别方法

说明书

本发明涉及一种基于数据挖掘的致密储层双甜点识别方法，包括如下步骤：1)地震数据的整理；2)致密储层甜点测井曲线的整理；3)测井曲线交会分析：4)甜点识别训练样本集构建；5)地震层位数据的排列和插值：6)全局和局部连接网络的建立；7)全局和局部连接网络的融合。本发明建立了一种可以高效、准确进行致密储层甜点识别的技术。

技术领域

本发明涉及油气资源勘探技术领域，具体是关于一种基于数据挖掘的致密储层双甜点识别方法。

背景技术

致密储层具有储层薄、低孔渗、横向非均质性强等特点，此类非常规储层甜点识别是勘探工作所遇到的核心和难点问题。现有的储层反演等技术在解决此类问题时，主要依靠人工从属性数据体中寻找规律并确定甜点的最大可能区域。目前主要应用的方法如下：

(1)叠前反演方法，该方法通过反演地层纵横波速度，并利用岩石物理方法确定甜点与纵横波速度的相关关系，来间接识别甜点的分布。但叠前反演往往分辨率低、信噪比低，很难满足甜点精细表征的需要。而且目前致密储层甜点(包括地层的物性、脆性)与地震数据(包括叠前数据)并无明确的因果关系，导致甜点识别结果准确率低。

(2)地震属性的方法，利用地震属性提取多种地震属性，通过交会分析、主成分分析等确定对甜点敏感的地震属性集，利用该地震属性集综合分析来确定甜点的分布。该方法存在人为主观性强、不同地震属性容易冲突等问题，因而使用效率较低。

事实上，地震波场中隐含有地层的影响，但由于地层参数与地震波之间复杂的响应机制，目前还没有系统的理论来描述致密储层甜点与地震响应之间的因果关系，尚未建立确定的正演模型。而深度学习能够从数据本身挖掘有效信息，不需要确定的正演模型便可以建立预测模型。然而利用深度学习进行致密储层甜点识别，存在地震数据多，井数据少且空间分布不规则、地震数据和井数据不存在一一对应关系等困难，流行的深度学习模型(CNN\RNN)无法直接应用于井震联合致密储层甜点的识别。

发明内容

针对上述问题，本发明的目的是提供一种基于数据挖掘的致密储层双甜点识别方法，以建立一种可以高效、准确进行致密储层甜点识别的技术。

为实现上述目的，本发明采取以下技术方案：

本发明所述的基于数据挖掘的致密储层双甜点识别方法，包括如下步骤：

1)地震数据的整理：

致密储层的地震异常响应弱，需要搜集高精度、高质量的叠后地震数据，并进行去噪和针对目标层段的弱信号增强处理；

2)致密储层甜点测井曲线的整理：

搜集孔隙度和伽马测井曲线，并进行孔隙度和伽马测井曲线的多井标准化和去异常值处理，并通过计算脆性矿物组分构建脆性指数曲线；

3)测井曲线交会分析：

对步骤2)处理后的孔隙度和伽马测井曲线进行随机抽样，然后进行交会分析确定两者的相关关系；

4)甜点识别训练样本集构建；

5)地震层位数据的排列和插值：

在三维空间内，将地球物理勘探中获取的三维地震层位数据按照由深到浅的顺序进行空间排列，并以目标要求的时间间隔进行层位信息插值，得到时间域三维地层格架信息；

6)全局和局部连接网络的建立：

建立全局连接的网络作为深度学习网络的支网一，同时建立局部连接的网络作为深度学习网络的支网二；

7)全局和局部连接网络的融合：

将步骤6)中的支网一和支网二的运算结果以求和的形式作为总网络的输出。