随着油田勘探和开发程度的不断提高,对地震储层预测精度和有效性的要求也越来越高。传统的地震相分析技术与储层预测方法着眼于地震数据的局部特征,仅利用地震结构属性,且过多依赖于专家思想和岩石物理理论。同时,地震构型特征和控制沉积的各要素等信息也没有得到有效的应用。面对越来越隐蔽、复杂的勘探目标,现有的地震储层预测技术难以很好的解决诸如灰质泥岩与有效砂岩中弱反射等特殊问题。因此,论文开展碎屑岩储层地震相模式数字表征及储层智能识别关键技术研究,以提高地震储层预测的准确性。论文在常规地震相分析方法的基础上,通过沉积相模式与地震相模式的研究,建立地震相与沉积相的关系,赋予地震属性明确的地质意义;通过确定地震相模式的特征参数,研究地震属性(尤其是反射构型)的数字化表征方法,进而通过海量数据分析手段和智能判识方法,以沉积相分布的有序性和不变性、地震属性的规律性和关联性为约束,实现地震相自动识别,进一步提高地震储层预测精度。论文取得的主要研究成果和创新点如下:1、提出了基于关键沉积转换面的湖相砂体成因模式以及三角洲建设与破坏期转换面控制的三角洲期次的划分方法和沉积的砂体成因类型:通过野外实测,总结了各类成因砂体野外露头的沉积特征,并建立了典型深水沉积露头外部地质模型和内部岩性岩相库;在此基础上,对东营凹陷沙三中亚段典型三角洲—深水沉积进行三角洲期次划分、砂体成因类型划分、砂体规模统计,形成了东营凹陷三角洲—深水沉积的地质模型库,包括内部结构库和外部形态规模库。2、提出了地震相数字表征技术:利用统计序列方法对地震振幅、频率和连续性进行数字表征,根据纹理参数对地震内部反射特征进行数字表征,通过地震反射同相轴的链码表示,用其不变矩参数对地震外部轮廓进行数字表征。3、建立了典型碎屑岩沉积的地震相数字表征库:根据岩性岩相、测井资料分析,总结不同沉积微相特征及空间组合形式,构建地质模型;利用正演模拟,匹配实际地震资料,构建不同沉积亚(微)相组合的地震模式库;利用研发的地震相数字表征技术,建立了三角洲-深水沉积、曲流河沉积这两类典型碎屑岩地震相模式数字表征库。4、发展了利用地震属性、聚类优化粒子群、图象训练学习等三种地震相(储层预测)智能识别方法:选择遗传算法优选出了能够反映地层沉积特征和地震波数学特征的参数,基于卷积神经网络的深度学习方法进行了边滩、天然堤、河漫三类地震相的预测;提出了聚类优化粒子群算法,实现了BP神经网络与粒子群算法融合,经聚类分析算法优化后的粒子群神经网络算法稳定性有了提高;探索性地研究了地震相结构的图像自动识别方法,包括图像地震相结构数据集建立、卷积神经网络模型中结构、方法的确立和模型训练及地震相结构的定位识别方法。