基于双网络的储层时移参数预测方法和系统技术方案

本发明专利技术提供了一种基于双网络的储层时移参数预测方法和系统，包括：获取目标区域的三维背景地震数据体和目标测井曲线；基于井旁背景地震数据属性和目标测井曲线，对第一神经网络进行训练，得到训练之后的第一神经网络；将三维背景地震数据属性输入到训练之后的第一神经网络，得到目标区域的三维背景储层参数预测结果；基于三维背景地震数据体和三维背景储层参数预测结果，对第二神经网络进行训练，得到训练之后的第二神经网络；基于训练之后的第二神经网络，对目标区域的三维时移储层参数进行预测。本发明专利技术缓解了现有技术中存在的无法同时对多种储层参数实现预测的技术问题。时对多种储层参数实现预测的技术问题。时对多种储层参数实现预测的技术问题。

【技术实现步骤摘要】
基于双网络的储层时移参数预测方法和系统


[0001]本专利技术涉及时移地震勘探
，尤其是涉及一种基于双网络的储层时移参数预测方法和系统。

技术介绍

[0002]在能源清洁利用与绿色开采的时代背景下，掌握资源开采所引起的地下岩层结构、应力分布、地下水等的变化具有重要的意义。而地层弹性、物性参数、有效应力、电阻率等是表征上述变化的有效参数。
[0003]时移地震勘探作为储层动态监测的关键技术之一，但是由于实际应用中只能进行一次裸眼测井，导致储层开发后很难直接获得与监测地震数据对应的测井曲线，这严重制约着时移地震勘探在储层动态监测中的预测精度及应用效果。
[0004]针对时移地震数据，现有技术中有时移测井曲线重构方法、差异反演方法等，这些方法在一定程度上缓解了时移地震用于储层参数预测的限制，但是只能针对某一参数通过大量分析而获得，无法实现多种储层参数的预测。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于双网络的储层时移参数预测方法和系统，以缓解现有技术中存在的无法同时对多种储层参数实现预测的技术问题。
[0006]第一方面，本专利技术实施例提供了一种基于双网络的储层时移参数预测方法，包括：获取目标区域的三维背景地震数据体和目标测井曲线；所述三维背景地震数据体包括炮集地震数据、叠前角道集数据和叠后地震数据；所述目标测井曲线为基于所述目标区域上的目标测井针对于目标储层参数所测得的测井曲线；基于所述叠后地震数据，获取关于所述目标测井的井旁背景地震数据属性，和获取所述目标区域的三维背景地震数据属性；基于所述井旁背景地震数据属性和所述目标测井曲线，对第一神经网络进行训练，得到训练之后的第一神经网络；所述第一神经网络为基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系构建的神经网络；将所述三维背景地震数据属性输入到所述训练之后的第一神经网络，得到所述目标区域的三维背景储层参数预测结果；基于所述三维背景地震数据体和所述三维背景储层参数预测结果，对第二神经网络进行训练，得到训练之后的第二神经网络；所述第二神经网络为基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系构建的神经网络；基于所述训练之后的第二神经网络，对所述目标区域的三维时移储层参数进行预测；所述三维时移储层参数为所述目标区域的储层在不同时期对应的储层参数。
[0007]进一步地，基于所述训练之后的第二神经网络，对所述目标区域的三维时移储层参数进行预测，包括：获取所述目标区域的三维时移地震数据体；所述三维时移地震数据体为所述目标区域在不同时期对应的地震数据体；将所述三维时移地震数据体输入到所述训练之后的第二神经网络，得到所述目标区域的三维时移储层参数的预测结果。
[0008]进一步地，所述方法还包括：基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系，构建所述第一神经网络；基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系，构建所述第二神经网络。
[0009]进一步地，所述第一神经网络为深度前馈神经网络；所述第二神经网络为全卷积神经网络。
[0010]第二方面，本专利技术实施例还提供了一种基于双网络的储层时移参数预测系统，包括：第一获取模块，第二获取模块，第一训练模块，第一预测模块，第二训练模块和第二预测模块；其中，所述第一获取模块，用于获取目标区域的三维背景地震数据体和目标测井曲线；所述三维背景地震数据体包括炮集地震数据、叠前角道集数据和叠后地震数据；所述目标测井曲线为基于所述目标区域上的目标测井针对于目标储层参数所测得的测井曲线；所述第二获取模块，用于基于所述叠后地震数据，获取关于所述目标测井的井旁背景地震数据属性，和获取所述目标区域的三维背景地震数据属性；所述第一训练模块，用于基于所述井旁背景地震数据属性和所述目标测井曲线，对第一神经网络进行训练，得到训练之后的第一神经网络；所述第一神经网络为基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系构建的神经网络；所述第一预测模块，用于将所述三维背景地震数据属性输入到所述训练之后的第一神经网络，得到所述目标区域的三维背景储层参数预测结果；所述第二训练模块，用于基于所述三维背景地震数据体和所述三维背景储层参数预测结果，对第二神经网络进行训练，得到训练之后的第二神经网络；所述第二神经网络为基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系构建的神经网络；所述第二预测模块，用于基于所述训练之后的第二神经网络，对所述目标区域的三维时移储层参数进行预测；所述三维时移储层参数为所述目标区域的储层在不同时期对应的储层参数。
[0011]进一步地，所述第二预测模块，还包括：获取单元和预测单元；其中，所述获取单元，用于获取所述目标区域的三维时移地震数据体；所述三维时移地震数据体为所述目标区域在不同时期对应的地震数据体；所述预测单元，用于将所述三维时移地震数据体输入到所述训练之后的第二神经网络，得到所述目标区域的三维时移储层参数的预测结果。
[0012]进一步地，所述系统还包括第一构建模块和第二构建模块；其中，所述第一构建模块，用于：基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系，构建所述第一神经网络；所述第二构建模块，用于基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系，构建所述第二神经网络。
[0013]进一步地，所述第一神经网络为深度前馈神经网络；所述第二神经网络为全卷积神经网络。
[0014]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
[0015]第四方面，本专利技术实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。
[0016]本专利技术提供了一种基于双网络的储层时移参数预测方法和系统，通过双神经网络的方法，可以在很大程度上减少训练数据量，以及在只有背景测井曲线和不同时期的地震
数据的基础上实现储层参数的动态监测，缓解了现有技术中存在的无法同时对多种储层参数实现预测的技术问题。
附图说明
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的一种基于双网络的储层时移参数预测方法的流程图；
[0019]图2为本专利技术实施例提供的一种数据采集时间轴示意图；
[0020]图3为本专利技术实施例提供的一种基于双网络的储层时移参数预测系统的示意图；
[0021]图4为本专利技术实施例提供的另一种基于双网络的储层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双网络的储层时移参数预测方法，其特征在于，包括：获取目标区域的三维背景地震数据体和目标测井曲线；所述三维背景地震数据体包括炮集地震数据、叠前角道集数据和叠后地震数据；所述目标测井曲线为基于所述目标区域上的目标测井针对于目标储层参数所测得的测井曲线；基于所述叠后地震数据，获取关于所述目标测井的井旁背景地震数据属性，和获取所述目标区域的三维背景地震数据属性；基于所述井旁背景地震数据属性和所述目标测井曲线，对第一神经网络进行训练，得到训练之后的第一神经网络；所述第一神经网络为基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系构建的神经网络；将所述三维背景地震数据属性输入到所述训练之后的第一神经网络，得到所述目标区域的三维背景储层参数预测结果；基于所述三维背景地震数据体和所述三维背景储层参数预测结果，对第二神经网络进行训练，得到训练之后的第二神经网络；所述第二神经网络为基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系构建的神经网络；基于所述训练之后的第二神经网络，对所述目标区域的三维时移储层参数进行预测；所述三维时移储层参数为所述目标区域的储层在不同时期对应的储层参数。2.根据权利要求1所述的方法，其特征在于，基于所述训练之后的第二神经网络，对所述目标区域的三维时移储层参数进行预测，包括：获取所述目标区域的三维时移地震数据体；所述三维时移地震数据体为所述目标区域在不同时期对应的地震数据体；将所述三维时移地震数据体输入到所述训练之后的第二神经网络，得到所述目标区域的三维时移储层参数的预测结果。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述井旁背景地震数据属性和所述目标测井曲线之间的非线性关系，构建所述第一神经网络；基于所述三维背景地震数据体和所述三维背景储层参数预测结果之间的非线性关系，构建所述第二神经网络。4.根据权利要求3所述的方法，其特征在于，所述第一神经网络为深度前馈神经网络；所述第二神经网络为全卷积神经网络。5.一种基于双网络的储层时移参数预测系统，其特征在于，包括：第一获取模块，第二获取模块，第一训练模块，第一预测模块，第二训练模块和第二预测模块；其中，所述第一获取模块，用于获取目标区域的三维背景地震数据体和目标测井曲线；所述三维背景地震数据体包括炮集地震数据、叠前角道集数据和叠后地震数据；所述目标测井曲线为基于所述目标区域上的目标测井针对...

【专利技术属性】
技术研发人员：李冬，彭苏萍，郭银玲，卢勇旭，崔晓芹，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：