基于小波变换和卷积神经网络的地震储层预测方法及应用

• 作者: 张国印 李令 李诚 林承焰 王伟方 王志章
• 来源期刊: 中国石油大学学报(自然科学版)
• 关键词: 地震储层预测 岩性预测 深度学习 卷积神经网络 时频谱图
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 石油+人工智能
• 页码范围: 83-93
• 页数: 11页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2020.04.010

摘要

提高储层预测的分辨率和准确性一直是油气藏表征的一个关键问题.将频谱分解与深度学习相结合,提出基于小波变换和卷积神经网络的地震岩性、储层类型预测方法.小波变换能够提供包含高频和低频信息的二维时频谱图,卷积神经网络具有超强的二维图像特征提取和分类能力,时频谱图作为卷积神经网络的输入,有助于充分挖掘地震数据高频和低频信息进行岩性和储层预测.将提出的方法应用于川西沙溪庙组储层预测中,首先利用叠后地震数据预测得到河道砂体分布,然后利用叠前地震数据在河道内部预测储层类型分布.结果表明,深度学习反演预测岩性和储层类型的分辨率和精度更高,能够识别小河道砂体,与生产测试情况更加吻合,优于常规地震反演方法.