地震储层参数预测方法及装置制造方法及图纸

本发明专利技术提供了一种地震储层参数预测方法及装置，该方法包括：将目标地层的地震数据，输入预先建立的储层参数预测模型中，得到目标地层的多个地震储层参数；储层参数预测模型按照如下过程建立：获取目标地层的地震工区资料，形成训练数据集；基于人工神经网络模型搭建多任务学习的储层参数预测模型，该储层参数预测模型包括：一个输入层、一个基础网络和多个子网络，每个子网络用于输出一个储层参数；利用训练数据集，对储层参数预测模型进行训练。将多个地震储层参数预测任务放在一起学习，通过互相分享、互相补充学习到的信息，能够有效地表达地震属性与储层参数之间的复杂非线性关系，提高地震储层参数预测的准确性。提高地震储层参数预测的准确性。提高地震储层参数预测的准确性。

【技术实现步骤摘要】
地震储层参数预测方法及装置


[0001]本专利技术涉及地球物理油气勘探
，尤其涉及一种地震储层参数预测方法及装置。

技术介绍

[0002]随着油气勘探向深层超深层、非常规等领域快速延伸，勘探开发对象日益复杂，储层描述难度加大。地下储层状态主要通过储层形态、岩性、物性及含油气性等方面的参数来进行表征，如何提高这些参数的地震预测准确性非常必要，可以为风险目标评价及勘探开发决策提供重要依据。另外，目前国内各大盆地勘探程度均已较高，积累了海量的勘探开发数据，如何综合利用各种信息、实现地震储层预测智能化迫在眉睫。
[0003]目前地震储层参数预测主要有两类方法，包括岩石物理模型法和传统机器学习法。岩石物理模型法是指对实际储层进行岩石物理理论建模，然后利用岩石物理模板或岩石物理反演技术将地震属性转化为储层参数。该方法以理论模型为基础，具有一定的可拓展性，可以部分解除储层参数的耦合作用，但是会受模型适用范围限制，无法适应复杂储层情况，导致预测的准确性不高。传统机器学习法是指利用神经网络、逻辑回归、支持向量机等算法，建立多个地震属性与单个目标储层参数之间的映射关系。机器学习算法具有强大非线性表达能力，可以学习到数据隐含的内在关系。但是，现有方法只能预测单一储层参数，受非目标储层参数因素干扰，预测准确性低。

技术实现思路

[0004]本专利技术实施例提供一种地震储层参数预测方法，用以提高预测的准确性，该方法包括：
[0005]获取目标地层的地震数据；
[0006]将目标地层的地震数据，输入预先建立的储层参数预测模型中，得到目标地层的多个地震储层参数；
[0007]其中，所述储层参数预测模型用于根据地层的地震数据预测地层的多个地震储层参数，按照如下过程建立：
[0008]获取目标地层的地震工区资料，形成训练数据集；
[0009]基于人工神经网络模型搭建多任务学习的储层参数预测模型，所述储层参数预测模型包括：一个输入层、一个基础网络和多个子网络，每个子网络用于输出一个储层参数；
[0010]利用所述训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型。
[0011]具体实施例中，所述地震工区资料，包括：
[0012]地震工区范围内目标地层的地质报告、岩芯实验数据和测井数据。
[0013]具体实施过程中，获取目标地层的地震工区资料，形成训练数据集，包括：
[0014]根据所述地震工区资料，抽取得到目标地层的多个地层参数，形成训练数据集；
[0015]其中，所述训练数据集中，每一行表示一条样本，每一列表示一个数据特征，包含弹性特征、地质特征以及储层参数；
[0016]弹性特征包括：纵波速度、横波速度、密度、双程旅行时、纵波阻抗、横波阻抗、纵横波速度比、泊松比、体积模量、剪切模量、杨氏模量、纵波模量、拉梅常数以及上述参数的任意组合；
[0017]地质特征包括：深度、压力、温度、地质年代、层段和沉积相；
[0018]储层参数包括：岩性、储集体类型、流体类型、孔隙度、含气饱和度、含油饱和度、泥质含量、云质含量、有机碳含量和渗透率。
[0019]具体实施例中，所述基础网络连接到所述输入层，所述多个子网络再并行连接到所述基础网络；
[0020]其中，所述输入层有多个节点，每个节点对应一个弹性特征或地质特征；
[0021]每个子网络对应一个子任务，一个子任务用于确定一个储层参数。
[0022]本专利技术具体实施例中，利用所述训练数据集，对所述储层参数预测模型进行训练，包括：
[0023]为每个子任务选择一个代价函数；
[0024]利用随机梯度下降算法，以每个子任务的代价函数的值最低为目标，对所述储层参数预测模型进行训练。
[0025]具体实施过程中，建立所述储层参数预测模型的过程，还包括：
[0026]利用岩石物理模型对所述训练数据集进行扩增，形成扩增训练数据集；
[0027]利用所述训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型，包括：
[0028]利用所述扩增训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型。
[0029]其中，利用岩石物理模型对所述训练数据集进行扩增，形成扩增训练数据集，包括：
[0030]根据目标地层，确定目标地层对应的岩石物理模型；
[0031]根据目标地层的地质特征，利用蒙特卡洛模拟法随机生成模拟的储层参数；
[0032]将模拟的储层参数输入到所述岩石物理模型中，得到模拟的弹性特征；
[0033]根据模拟的弹性特征、目标地层的地质特征和模拟的储层参数，形成扩增训练数据子集，将所述扩增训练数据子集附加到所述训练数据集中，得到扩增训练数据集。
[0034]本专利技术实施例还提供一种地震储层参数预测装置，用以提高预测的准确性，该装置包括：
[0035]数据获取模块，用于获取目标地层的地震数据；
[0036]多地震储层参数确定模块，用于将目标地层的地震数据，输入预先建立的储层参数预测模型中，得到目标地层的多个地震储层参数；
[0037]其中，所述储层参数预测模型用于根据地层的地震数据预测地层的多个地震储层参数；
[0038]所述多地震储层参数确定模块，包括：模型预建立单元，用于：
[0039]获取目标地层的地震工区资料，形成训练数据集；
[0040]基于人工神经网络模型搭建多任务学习的储层参数预测模型，所述储层参数预测模型包括：一个输入层、一个基础网络和多个子网络，每个子网络用于输出一个储层参数；
[0041]利用所述训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型。
[0042]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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地震储层参数预测方法。
[0043]本专利技术实施例也提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述地震储层参数预测方法的计算机程序。
[0044]本专利技术实施例中，通过获取目标地层的地震数据；将目标地层的地震数据，输入预先建立的储层参数预测模型中，得到目标地层的多个地震储层参数；其中，储层参数预测模型用于根据地层的地震数据预测地层的多个地震储层参数，按照如下过程建立：获取目标地层的地震工区资料，形成训练数据集；基于人工神经网络模型搭建多任务学习的储层参数预测模型，该储层参数预测模型包括：一个输入层、一个基础网络和多个子网络，每个子网络用于输出一个储层参数；利用训练数据集，对储层参数预测模型进行训练，得到训练好的储层参数预测模型。通过建立能够同时预测多个地震储层参数的多任务学习的储层参数预测模型，将多个地震储层参数预测任务放在一起学习，通过互相分享、互相补充学习到的信息，能够有效地表达地震属性与储层参数之间的多对多的复杂非本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震储层参数预测方法，其特征在于，包括：获取目标地层的地震数据；将目标地层的地震数据，输入预先建立的储层参数预测模型中，得到目标地层的多个地震储层参数；其中，所述储层参数预测模型用于根据地层的地震数据预测地层的多个地震储层参数，按照如下过程建立：获取目标地层的地震工区资料，形成训练数据集；基于人工神经网络模型搭建多任务学习的储层参数预测模型，所述储层参数预测模型包括：一个输入层、一个基础网络和多个子网络，每个子网络用于输出一个储层参数；利用所述训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型。2.如权利要求1所述的地震储层参数预测方法，其特征在于，所述地震工区资料，包括：地震工区范围内目标地层的地质报告、岩芯实验数据和测井数据。3.如权利要求2所述的地震储层参数预测方法，其特征在于，获取目标地层的地震工区资料，形成训练数据集，包括：根据所述地震工区资料，抽取得到目标地层的多个地层参数，形成训练数据集；其中，所述训练数据集中，每一行表示一条样本，每一列表示一个数据特征，包含弹性特征、地质特征以及储层参数；弹性特征包括：纵波速度、横波速度、密度、双程旅行时、纵波阻抗、横波阻抗、纵横波速度比、泊松比、体积模量、剪切模量、杨氏模量、纵波模量、拉梅常数以及上述参数的任意组合；地质特征包括：深度、压力、温度、地质年代、层段和沉积相；储层参数包括：岩性、储集体类型、流体类型、孔隙度、含气饱和度、含油饱和度、泥质含量、云质含量、有机碳含量和渗透率。4.如权利要求3所述的地震储层参数预测方法，其特征在于，所述基础网络连接到所述输入层，所述多个子网络再并行连接到所述基础网络；其中，所述输入层有多个节点，每个节点对应一个弹性特征或地质特征；每个子网络对应一个子任务，一个子任务用于确定一个储层参数。5.如权利要求4所述的地震储层参数预测方法，其特征在于，利用所述训练数据集，对所述储层参数预测模型进行训练，包括：为每个子任务选择一个代价函数；利用随机梯度下降算法，以每个子任务的代价函数的值最低为目标，对所述储层参数预测模型进行训练。6.如权利要求3所述的地震储层参数预测方法，其特征在于，建立所述储层参数预测模型的过程，还包括：利用岩石物理模型对所述训练数据集进行扩增，形成扩增训练数据集；利用所述训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参数预测模型，包括：利用所述扩增训练数据集，对所述储层参数预测模型进行训练，得到训练好的储层参
数预测模型。7.如权利要求6所述的地震储层参数预测方法，其特征在于，利用岩石物理模型对所述训练数据集进行扩增，形成扩增训练数据集，包括：根据目标地层，确定目标地层对应的岩石物理模型；根据目标地层的地质特征，利用蒙特卡洛模拟法随机生成模拟的储层参数；将模拟的储层参数输入到所述岩石物理模型中，得到模拟的弹性特征；根据模拟的弹性特征、目标地层的地质特征和模拟的储层参数，形成扩增训练数据子集，将所述扩增训练数据子集附加到所述训练数据集中，得到扩增训练数据集。8.一种地震储层参数预测装置，其特征在于，包括：数据获取模块，用于获取目标地层的地震数据；多地震储层参数确定模块，用...

【专利技术属性】
技术研发人员：晏信飞，曹宏，胡莲莲，杨志芳，葛强，李晓明，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：