使用机器学习进行地震相识别的系统和方法技术方案

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。

System and Method of Seismic Phase Recognition Using Machine Learning

A method for seismic facies recognition is described, which includes receiving seismic data sets representing the volume of the underground area of interest, performing machine learning algorithms on the seismic data sets to recognize seismic facies and generate classified seismic images, and recognizing geological features based on the classified seismic images. This method can be implemented by computer system.

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习进行地震相识别的系统和方法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。
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。
技术介绍
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。
技术实现思路
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。在本专利技术的另一方面，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。在本专利技术的又一方面，为了解决上述问题，一些实施例提供了一种计算机系统。该计算机系统包括一个或多个处理器、存储器和一个或多个程序。所述一个或多个程序存储在存储器中并配置为由所述一个或多个处理器执行。所述一个或多个程序包括操作系统和指令，所述指令当由所述一个或多个处理器执行时，使计算机系统执行本文提供的任意方法。附图说明该专利或申请文件包含至少一幅彩色附图。具有彩色附图(一个或多个)的本专利或专利申请公开的副本将在请求和支付必要费用后由主管局提供。图1示出了根据一些实施例的地震相识别方法的流程图；图2示出了根据其他实施例的地震相识别方法的流程图；图3示出了根据其他实施例的地震相识别方法的流程图；图4示出了根据其他实施例的地震相识别方法的流程图；图5展示了实施例之一的结果；图6A-6D展示了实施例之一的详细步骤；以及图7是示出根据一些实施例的地震相识别系统的框图。贯穿附图，相同的附图标记指代对应的部分。具体实施方式以下描述的是提供通过机器学习进行地震相识别的方式的方法、系统和计算机可读存储介质。这些实施例被设计成特别用于地质复杂区域中的地下体积的地震成像。这些方法使用与地震相关联的几何和/或纹理特性，并使用已建立的或新颖的机器学习技术来识别它们。机器学习技术能够利用显著的计算处理能力来揭示人类解释者难以发现的数据模式，从而导致更准确的相分类。现在将详细参考各种实施例，其示例在附图中示出。在以下详细描述中，阐述了许多具体细节以便提供对本公开和本文描述的实施例的透彻理解。然而，可以在没有这些具体细节的情况下来实践本文描述的实施例。在其他情况下，没有详细描述众所周知的方法、过程、组件和机械装置，以免不必要地模糊实施例的各方面。本专利技术包括用于产生地震相的3D数字图像的地震相识别的方法和系统的实施例。这将有助于缓解由于必须手动解释地震相以用于勘探、模型构建或油藏建模目的而产生的瓶颈。本专利技术能够利用显著的计算处理能力来揭示人类解释者难以发现的数据模式，从而导致更准确的相分类。图1示出了用于感兴趣的地下体积中的地震相识别的方法100的流程图。在操作10处，接收地震数据集。如前所述，地震数据集包括在多个地震传感器处记录的多个道。该数据集可能已经经历了许多地震处理步骤，诸如反虚反射、多次波去除(multipleremoval)、谱整形、成像等。这些示例并不意味着限制。本领域技术人员将理解，存在可以应用于地震数据的许多有用的地震处理步骤。地震数据集可以是原始道数据、叠前道集或者可以是叠前或叠后的迁移图像/体积；在迁移数据的情况下，输入在分析之前可以是或者可以不是体积拉平的。在叠前道集或叠前迁移图像的情况下，数据集将包括表示源-接收器对之间的距离的偏移距和/或角度尺寸。偏移距和/或角度尺寸将包括具有随着偏移距或角度变化的幅度的地震事件，本领域技术人员将其称为幅度随偏移距的变化(AVO)或幅度随角度的变化(AVA)。出于本文的目的，AVO和AVA被统称为AVA。继续方法100，在操作12处，将地震数据集进行无监督机器学习。输入数据基于输入数据的特性自动分类或聚类成不同的组。这种分类可以通过算法来完成，所述算法诸如但不限于k均值聚类(在Hartigan和Wong，1979中描述)、自组织映射(Kohonen，1990)或深度学习技术(Lecun等，2015)。分类允许将输入数据聚合成组，该组以针对这些聚类适当的方式改善信噪比。在实施例中，无监督分类可以是数据驱动的自动地震聚合(即，聚类)方法，其能够自动确定适当的数据以评估对应于地下位置的稳健的代表性AVA响应。可本文档来自技高网...

【技术保护点】
1.一种计算机实现的地震相识别方法，包括：a.在计算机处理器处接收表示感兴趣的地下体积的地震数据集；b.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c.基于所述分类的地震图像识别地质特征。

【技术特征摘要】
【国外来华专利技术】2016.10.14 US 62/408,1881.一种计算机实现的地震相识别方法，包括：a.在计算机处理器处接收表示感兴趣的地下体积的地震数据集；b.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c.基于所述分类的地震图像识别地质特征。2.根据权利要求1所述的方法，其中所述机器学习算法是无监督算法。3.根据权利要求2所述的方法，其中所述分类的地震图像被分配相标签。4.根据权利要求2所述的方法，其中所述无监督算法基于AVA对所述地震数据集中的地震数据进行分类。5.根据权利要求4所述的方法，其中所述地质特征包括所述感兴趣的地下体积的流体含量的差异。6.根据权利要求1所述的方法，其中所述机器学习算法是监督算法。7.根据权利要求6所述的方法，其中相标签集被作为输入接收并用于所述监督算法。8.根据权利要求6所述的方法，还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。9.根据权利要求1所述的方法，还包括在执行所述机...

【专利技术属性】
技术研发人员：K·奥斯普弗，D·威尔金森，L·L·班杜拉，A·D·哈皮尔特，
申请(专利权)人：雪佛龙美国公司，
类型：发明
国别省市：美国,US