基于生成对抗网络的储层相建模

作     者：罗思雨 

作者单位：长江大学 

学位级别：硕士

导师姓名：印森林

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081803[工学-地质工程] 081104[工学-模式识别与智能系统] 08[工学] 0818[工学-地质资源与地质工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：条件相建模 生成对抗网络 渐进增长生成对抗网络 深度学习 地质模式 储层预测 

摘      要：储层地质建模是地质学领域一门重要的交叉学科。精确的地质相模型是准确预测地下石油储层、地层二氧化碳储存潜力以及地下水资源等资源的基础。因此,储层地质建模对于油气资源和地下水资源的开发以及二氧化碳地质封存具有重要意义。近年来,储层地质建模算法发展经历了确定性建模技术、两点地质统计学建模技术、多点地质统计学建模技术、基于地质过程的数值模拟技术和智能化地质建模技术等五个阶段。传统的地质统计学建模方法,虽然在一定程度上可以与地质模式保持一致,但当地质模式特征变得复杂时,存在着明显的缺陷。深度学习中的生成对抗网络（GAN）在许多领域取得了成功,随着大数据和人工智能技术的快速发展,研究人员利用生成对抗网络进行有条件的地质建模为上述问题的解决提供新的思路。因此,本文论文以珠江口盆地恩平凹陷韩江组辫状河三角洲分流河道为研究目标,以工区地质背景、地震资料和7口测录井资料为基础,提出了一种基于改进GAN模型的条件约束相模拟,通过引入额外的基于条件的损失函数,并在渐进增长GAN模型的基础上进行改进,调整生成器的架构,从而使模型能够将条件数据纳入模型输入。论文的主要结论与认识如下: （1）在生成对抗网络理论研究基础上,以条件生成对抗网络、渐进增长GAN、和Wasserstein距离为基础,提出了一种基于改进GAN的沉积相建模方法。改进GAN相建模工作流中有三个核心要素:一是设计能够接受条件数据作为输入的生成器架构;二是相模型到约束条件的函数映射1)（89）（）的构建。三是在基于条件的损失函数中精确定义输入条件数据（89）0和生成出的模型的条件数据（89）1之间距离。为了提高模型对不同条件数据的约束能力,本文引入额外的基于条件的损失函数,可以通过调整不同约束条件的条件损失函数的权重来调整对不同约束条件的匹配能力。由于条件数据直接参与建模过程,相比于向量搜索的方式更加高效。同时,方法中还使用了带有梯度惩罚的Wasserstein损失函数,力求更加精准判断模型的精度。 （2）构建了一个大型的合成数据集,其中包括35640个二维相模型,和它们对应的全局特征,以及随机抽样出的285120个稀疏井相数据。这些相模型是利用基于对象的建模方法,在商业建模软件Petrel中合成的。该数据集涵盖了三种不同的相类型:河道间泥岩相、河道砂岩相以及河岸相。将合成的数据集划分为训练数据集和测试数据集。训练数据集包括32640个相模型及其对应的全局特征和井相数据,而测试数据集包括剩余的3000个相模型及其对应的全局特征和井相数据。训练数据集用于训练生成对抗网络,而测试数据集用于评估训练完成后的生成器的性能。 （3）设计了一套针对全局特征为条件的相建模、单独以井相数据为条件的相建模、以及两者结合的条件相建模的评价指标体系。全局特征为条件的相建模采用定性的人工形态对比,结合定量的相模型-全局特征函数1)2)（）和线性回归统计对比;井相约束指标主要采用E-type图和方差图进行定量评价;以及两者结合的条件相建模则综合考虑上述全部的定性和定量的指标体系。 （4）通过单独以全局特征为条件的相建模、单独以井相数据为条件的相建模、以及两者结合的条件相建模进行对比实验。以全局特征为条件的相建模中,通过生成器输入与相应生成的相模型计算比例值之间的交叉图,其线性回归方程的斜率几乎等于1,相关系数为0.962,这证明了生成器能够很好的服从全局特征条件的约束。井相数据相建模生成的相模型与输入的井相数据匹配得非常好。在远离井数据区域,方差值接近于最大方差0.25,这表明生成的相模型具有很好的多样性,且训练好的生成器可以生成具有100%井相再现准确度的高质量相模型。两者结合的条件相建模显示生成的相模型在泥岩比例特征方面与参考的基准相模型相似。生成的相模型非常逼真且多样化,远离井点区域的河道复合相的方差接近最大方差值0.25,河道复合相在井点处的E-type图中的值非常接近1或0,生成的相模型与输入的井相数据匹配得非常好。结果表明,训练好的生成器在生成高质量的相模型和匹配全局特征以及局部数据（井点约束）方面表现良好。