[发明专利]基于概率神经网络算法的烃源岩预测方法及装置

说明书

技术领域

本发明涉及石油勘探领域，尤其涉及一种基于概率神经网络算法的烃源岩预测方法及装置。

背景技术

总有机碳含量(total organic carbon，简称Toc)是评价烃源岩生烃能力的主要指标之一，是含油气盆地中生烃研究和资源评价的一项重要参数。

近年来，随着测井技术发展，许多学者开始探索烃源岩的地球化学参数和测井信息之间的关系，烃源岩中有机质丰度与不同测井参数之间的响应关系也逐渐被认识到，并在有机质的丰度、烃源岩的识别、烃源岩演化成熟度以及烃源岩的评价等方面取得了不少成果，有力地推动了烃源岩评价技术的发展。如朱光有认为，由于烃源岩中存在有机质，所以它比其他含较少或不含有机质的沉积岩在声波时差测井、密度测井及电阻率测井中有一定的差别，而且有机质含量的多少与这种差别存在一定的相关性，因此建立了声波时差、密度和电阻率的模型来定量计算烃源岩的有机碳含量，进而预测烃源岩的纵向展布。这套方法显然弥补了岩样地球化学的缺陷，但由于只依赖于测井资料，无法对烃源岩平面上的展布进行预测。而地震资料具有横向分布广、精度高的特点。王志宏采用单井标定地震相反演的方法，研究了松辽盆地北部深层烃源岩的展布特征。于建国研究东营凹陷孔店组二段认为，欠压实的泥岩密度较低,在经过特殊处理后的层速度剖面和波阻抗剖面上呈明显的低值异常带。利用地震资料，通过地震相和地震速度特征的分析，预测了潜在的烃源岩。

但这些也只是对烃源岩的定性预测，目前国内外文献中少见到用地震资料直接定量计算烃源岩有机碳含量的报道，烃源岩的地球物理评价程度远落后于储层评价。因此，基于地震资料的烃源岩分布的定量预测，对于生烃量以及资源量估算具有十分重要的意义。

长期以来，地球化学们通过对岩样或岩屑做地球化学分析建立起了一套成熟的评价指标和方法。但这套方法有着明显的缺点：首先，只有在具有烃源岩样品的情况下才能进行；其次，以有限的分析样品代替整套厚层烃源岩的做法，掩盖了烃源岩的非均值性。目前由于受到钻井取心样品限制，一般无法获得连续的烃源岩Toc测定值，通常是用间隔一定距离的Toc几何平均值来评价生烃潜力，造成了相当大的误差。

发明内容

本发明提供一种基于概率神经网络算法的烃源岩预测方法及装置，用以解决现有技术中烃源岩预测误差较大的技术问题。

本发明一方面提供一种基于概率神经网络算法的烃源岩预测方法，包括：

步骤101，对获取的研究区各钻井的烃源岩岩心、岩屑样品进行分析测试，以获得样品点的Toc值；

步骤102，利用测井曲线计算获得研究区各钻井烃源岩层段纵向的Toc预测曲线；

步骤103，根据样品点的Toc值对Toc预测曲线进行校正，以获取Toc曲线；

步骤104，根据Toc曲线和井旁地震道的地震属性，利用概率神经网络算法对地震属性进行训练，以获取优选地震属性，其中，优选地震属性为与Toc相关性最好的地震属性；

步骤105，提取三维地震资料的优选地震属性，计算获得三维分布的Toc数据体，以完成研究区烃源岩预测。

进一步的，步骤102具体包括：

根据研究区钻井的测井曲线的交会图，分析烃源岩Toc在测井曲线上的响应特征；

根据响应特征获取将烃源岩与围岩进行划分的测井曲线识别标准，以挑选出优选测井曲线；

根据优选测井曲线，采用ΔLogR法计算获得各钻井烃源岩层段纵向的Toc预测曲线。

进一步的，步骤102还包括：

在研究区勘探程度低的区域计算获得虚拟井Toc预测曲线，所述虚拟井Toc预测曲线即为在钻井不足的情况下，采用虚拟钻井的方式计算获得的Toc预测曲线。

进一步的，步骤103中在获取井旁地震道的地震属性之前，还包括：

对研究区各钻井开展层位精细标定，确定烃源岩顶底反射界面的地震反射特征；

对烃源岩顶底界面进行至少10×10网格的地震解释工作，其中，地震解释工作包括层位解释和断层解释。

进一步的，优选地震属性包括3到7个地震属性。

本发明另一方面提供一种基于概率神经网络算法的烃源岩预测装置，包括：

样品点Toc值获取模块，用于对获取的研究区各钻井的烃源岩岩心、岩屑样品进行分析测试，以获得样品点的Toc值；

Toc预测曲线获取模块，用于利用测井曲线计算获得研究区各钻井烃源岩层段纵向的Toc预测曲线；

Toc预测曲线校正模块，用于根据样品点的Toc值对Toc预测曲线进行校正，以获取Toc曲线；