基于反向传播算法的深度神经网络反演研究及应用

作     者：王宏宁 

作者单位：中国石油大学(北京) 

学位级别：硕士

导师姓名：黄捍东

授予年度：2021年

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

主      题：地震反演 深度神经网络 储层预测 岩石物理统计 去压实效应 

摘      要：中深层复杂油气藏在我国某海域有着巨大的勘探开发潜力,是该区油田增储上产的重要组成部分。但是,由于储层在地下中深层的预测难度大、开发难度大,导致该地区产量受限,这是当下亟待解决的问题。该地区储层埋藏较深,具有丰富的沉积类型,导致其横向参数变化快,储层成岩作用明显,储集空间复杂。因此饱和度、渗透率计算精度低,岩性和流体识别困难。储层主要表现为砂泥岩互层特征,连通关系复杂,预测难度较大,对反演的分辨率提出了较高的要求。针对研究工区地质沉积和油藏特征,利用深度神经网络反演技术对该地区储层开展储层描述研究。受地震资料自身品质和测井资料影响,首先使用希尔伯特变换将采集地震数据进行270°相移,得到同测井合成地震记录吻合度更高的地震资料。然后对测井声波数据进行去压实校正,消除因沉积压实作用导致的速度不一致性,提高储层预测的科学性和可靠性。其次,对研究区内测井数据开展岩石物理统计分析研究,确定研究区内砂泥岩速度阈值,为反演结果的精细化解释提供可靠的理论支撑。再次,利用测井参数曲线及其井旁道和测井声波数据作为深度神经网络的训练样本,对网络进行训练,验证将深度神经网络应用于该研究区地震反演过程中的可行性。最后,对工区反演得到的资料进行效果评价分析,结合岩石物理统计结果对有利砂体进行刻画。本文实现了深度神经网络的叠后地震数据反演,实现了目标层段有利储层的预测。