基于无监督深度学习的多波AVO反演及储层流体识别

• 作者: 孙宇航 刘洋 陈天胜
• 来源期刊: 石油物探
• 关键词: 流体因子 储层流体 等效流体体积模量 多波AVO 初始模型 无监督深度学习 直接反演
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 385-394,413
• 页数: 11页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2021.03.004

摘要

流体因子是储层流体识别中的重要参数,传统的流体因子不能较为准确地识别储层流体,等效流体体积模量对储层流体的变化更加敏感.多波AVO反演是从地震道集中提取等效流体体积模量的重要手段之一.常规的多波AVO反演基于最小二乘或贝叶斯理论,反演精度强烈依赖于初始模型,但大多数实际工区很难建立高精度、高分辨率的初始模型.为了进一步提高储层流体识别的精度,并降低反演对初始模型的依赖程度,在AVO反演理论的指导下,构建基于无监督深度学习的纵波和转换波道集直接反演等效流体体积模量的方法,将该方法应用于X工区实际数据的反演并进行储层流体识别.X工区内井旁道地震道集的试算结果表明,该方法具有较高的精度,反演结果与测井数据的相对误差约为2.949％,绝对误差小于0.1 GPa;X工区内反演得到的等效流体体积模量的剖面和时间切片与已知测井解释结果匹配度良好,说明该方法能够较为精确地识别储层流体,具有良好的实用价值.