【摘 要】
：
地震岩性和储层参数预测是当前致密砂岩储层预测的重点研究内容。传统的储层预测方法有一定的局限性和应用范围,难以准确描述地震数据与岩性类别和储层参数之间复杂的非线性关系,因此,发展高精度的岩性分类和储层参数预测技术对致密砂岩储层的开发提出了更高的要求。近年来卷积神经网络在计算机视觉、自然语言处理等领域中取得了较好的应用效果,在地震勘探领域中的应用也越来越广泛。卷积神经网络经过训练可以逼近任意函数,是解
论文部分内容阅读
地震岩性和储层参数预测是当前致密砂岩储层预测的重点研究内容。传统的储层预测方法有一定的局限性和应用范围,难以准确描述地震数据与岩性类别和储层参数之间复杂的非线性关系,因此,发展高精度的岩性分类和储层参数预测技术对致密砂岩储层的开发提出了更高的要求。近年来卷积神经网络在计算机视觉、自然语言处理等领域中取得了较好的应用效果,在地震勘探领域中的应用也越来越广泛。卷积神经网络经过训练可以逼近任意函数,是解决储层预测中的非线性问题的有效手段,因此,本文基于卷积神经网络的特点,将其应用到致密砂岩岩性分类及储层参数预测中,取得了较好的应用效果。为解决致密砂岩岩性分类中地震数据缺少真实标签的问题,研究了基于测井岩性解释和数据统计的岩性预测样本扩充方法,构建了一维U-Net卷积神经网络,综合利用地震反演的多个弹性参数,进行了实际工区岩性分类。分析了网络参数对岩性预测效果的影响,优选出最佳的网络参数组合,得到的分类结果与实际测井资料的解释结果匹配度较高。为了准确描述致密砂岩储层裂缝参数与地震数据之间的非线性关系,本文首先对裂缝敏感的地震属性进行提取,然后结合卷积神经网络深层特征提取特点和长短时记忆网络时序回归特点建立了CNN-LSTM网络进行裂缝参数回归训练,对网络参数进行了优选分析,有效提升了裂缝参数预测精度。经实际工区测试,盲井测试和剖面对比表明CNN-LSTM网络在储层裂缝参数预测上能够取得较好的效果,相比于单一的CNN网络和LSTM网络预测精度更高。
其他文献
品质因子Q是表征介质吸收衰减的重要参数,精确求取地层Q值在提高地震资料分辨率、识别含油气储层等方面具有重要意义。VSP记录中有丰富的波形、旅行时和上、下行波信息,成为求取Q值最准确的方式之一。全波形反演能够充分利用地震资料中的各种信息,在频率域开展正、反演能够更便捷地表征Q值,针对VSP观测方式在频率域开展多参数反演对提高地层品质因子求取精度具有非常重要的现实意义。针对全波形反演的计算效率和反演精
以鄂尔多斯盆地新安边油田长7段为研究对象,综合应用铸体薄片、扫描电镜、高压压汞、氮气吸附、核磁共振等实验,开展了储层微观孔喉结构表征;借助生烃增压实验分析及理论计算,剖析了研究区生烃增压演化;利用包裹体PVTsim和盆地模拟法恢复了储层古压力;在储层物性演化基础上揭示了充注阻力演化特征,并以致密油充注动阻力平衡关系为理论基础,探讨了致密油充注动力学机制,建立了致密油充注模式。结果表明,研究区长7储
细粒沉积岩是油气资源和固体矿产赋存的重要载体。相对于粗粒沉积岩来说,细粒沉积岩的研究还较为薄弱。松辽盆地中央坳陷带南部白垩系青山口组一段为富含有机质的湖相细粒沉积岩系。这套岩系不仅已排出丰富的油气形成了常规油气资源,而且还保留了相当丰富的页岩油气资源,气测异常在地层中普遍存在,工业油流已在局部试验中得到证实,但该套层系的具体产油部位仍不清楚,有利产油层段不明。论文以松辽盆地中央坳陷带南部白垩系青山
为了研究不同公称直径的丝杠传动效率以提升行星滚柱丝杠产品的质量，为行星滚柱丝杠传动效率试验台设计了一套测量控制系统。系统采用西门子PLC作为控制核心，结合PID算法实现有效控制。通过NI公司的Lab VIEW软件、数据采集板卡实现数据的精确采集、储存计算以及分析。试验结果表明，试验台可对扭矩在0～1 000 N·m的行星滚柱丝杠进行测量，在额定载荷条件下行星滚柱丝杠的传动效率达到75%，加载精度控
在地震勘探中,介质的各向异性是指速度随方向改变而变化。随着勘探深度的增加,深层介质中的各向异性发育明显,在沉积岩中普遍发育的是横向各向同性介质,即VTI介质（Vertical Transverse Isotropy）,如果不考虑地下介质的各向异性,就会造成成像结果中绕射波不收敛、层位归位不准确等问题。通过对各向异性介质的参数反演,可以更准确地还原地下介质的真实特征,提升地震成像的精度。本文的各向异
大数据技术在油藏描述中的应用尚处于摸索阶段,该技术的引入可使地质数据的深层次分析成为可能。在大数据广义观点及其一般处理流程的指导下,对量较大且较分散的数据进行集成、提取、挖掘和分析,以揭示出蕴含在数据背后的剩余油的相关联系,实现新知识的获取,落实剩余油分布,为实现油气增产提供参考依据。以樊151块沙四上低渗透滩坝砂油藏为例,在沉积微相及储层宏观非均质研究的基础上,对微相、非均质性、剩余油等数据进行
储层参数的预测是寻找优质储层过程中必不可少的一环,对油气的勘探开发具有重要的意义。利用卷积神经网络来表征地震和测井数据之间的映射关系可以实现储层参数的横向预测。然而,常规卷积神经网络储层参数反演方法没有考虑到地震数据的空间相关性,在输入属性较少时反演结果的准确性降低。因此,针对卷积神经网络的特性对其反演方法进行改进,对增强储层参数预测结果的准确性和可靠性具有重要意义。本文选用孔隙度作为需要预测的储
孔隙度、孔隙结构和流体因子分别反映了储层的物性、孔隙空间复杂性和孔隙流体类型,三个参数的联合有助于更加合理地表征储层孔隙特征与含油气信息。如何充分利用叠前地震资料中丰富的振幅特征预测得到孔隙度、孔隙结构和流体因子等孔隙特征参数,对于提高储层预测精度具有重要的意义。孔隙度与孔隙结构是一对相互耦合的参数,共同影响着复杂储层的非均质性,然而利用地震反演很难实现孔隙度与孔隙结构的直接预测。针对这个问题,本
森林病虫害可导致林木生长不良、产量和质量下降，甚至引起林木枯死或森林生态环境的恶化。笔者从保护生物多样性、减少水土流失、维持生态环境稳定和保证林木生长质量4方面分析了森林病虫害防治的重要性，并提出了在林业生态建设中应采取加强人员培训、加大部门配合、完善防治技术和做好环境监测等病虫害防治对策，以期为林业生态建设工作的顺利开展提供参考和依据。