[发明专利]一种地震储层物性参数预测方法及装置

说明书

本发明提供了一种地震储层物性参数预测方法及装置，地震储层物性参数预测方法包括：基于预生成的训练数据的数据特征，将所述训练数据进行分组，以生成多个分组数据；利用多个相关性向量回归器学习所述多个分组数据的数据特征，以生成多个地震储层物性参数学习模型；根据所述多个地震储层物性参数学习模型预测目标区块的地震储层物性参数。本发明利用相关向量回归作为专家，通过门控函数获得专家加权的学习模型。所提出的方法将一个复杂的大预测问题分解为几个相对简单的问题，逐一进行预测，解决了当前单一预测模型的适用性差，精度不高的难题。

技术领域

本发明涉及油气田勘探开发技术领域，尤其是地震数据处理解释技术领域，具体涉及一种地震储层物性参数预测方法及装置。

背景技术

随着全球经济的不断发展，各国对石油和天然气的需求也在不断攀升，这就要求石油公司上游板块加大勘探和开发力度，不断去发现新的地质储量和最大化动用已有储量，而在此过程中储层精细表征是关键。储层精细表征指利用多学科信息定量预测和描述储层以及预测储层物性参数(包括弹性属性，岩相，孔隙度，渗透率等)的空间分布。储层精细表征是地质综合分析与评价的基础，是勘探后期和开发阶段的关键环节，而储层参数精细预测又是储层评价中既基础又最重要的一步，这就需要建立一套系统且适用性广的储层物性参数预测方法。

进一步地，储层参数精细预测主要是通过利用有限的已知井数据、地震资料和其他地质信息来预测井间区域中的储层参数(包括弹性属性，岩相，孔隙度，渗透率等)的空间分布。在实际工作中，由于地下地质的复杂性，储层物性参数和地震数据之间的关系受包括岩性、孔隙、成岩作用、流体、温度等许多因素的影响，单个模型不能适合所有数据，尤其是对于高维和复杂的问题。很难得出储层参数与地震数据间的确定性关系，直接从地震数据中获得储层物性参数。目前地震储层物性参数预测主要是以岩石物理模型作为纽带，但存在如下两个问题：

(1)由于测量尺度不同，通过高频实验测量的岩心分析结果与低频的地震数据直接进行匹配必然存在一定的误差；

(2)岩石物理应用需要对研究区域的岩石物理性质有大量的实验基础，具有诸多的假设条件，而不同区域或同一区域不同位置岩石的物理性质是复杂而多变的，都会有不同的地震传播规律，基于简单的理论关系和经验认识得到的岩石物理模型与经验公式往往导致较大的预测误差。针对储层物性参数预测目前还没有一种系统且通用的评价流程和方法。

机器学习是目前人工智能领域应用非常广泛的技术方法，它利用大量数据来训练模型，常常用来解决数据与目标之间复杂的非线性关系，其在油气勘探开发中发挥着越来越重要的作用。地球物理学中最常用的机器学习算法是支持向量回归和神经网络。然而，这两种算法对超参数，学习率等参数非常敏感。核函数及参数的选择受人为的影响较大，具有一定的随意性，不合适的参数将导致错误的预测结果，并放大误差，常需要额外的交叉验证操作才能找到合适的参数，但交叉验证操作往往计算量较大且非常耗时。

发明内容

针对现有技术中的问题，本发明所提供的地震储层物性参数预测方法及装置，将一个复杂的大预测问题分解为几个相对简单的问题，逐一进行预测，解决了当前单一预测模型的适用性差，精度不高的难题。该方法无需假定数据是平稳的，也无需借助岩石物理学模型建立弹性参数与物性参数之间的关系，即使在涉及大量数据的地震储层性质预测中也能取得较好的效果，适用于各种复杂地层的储层参数精细预测。综上所述，本发明可以快速、准确的在大量的地震参数(地震属性)且原本相互之间独立的地震参数中，预测出对储层敏感的、反映储层本质特征的地震参数，进而可利用预测之后的地震参数预测目标工区的储层发育情况，为油田的勘探开发提供可靠的依据。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种地震储层物性参数预测方法，包括：

基于预生成的训练数据的数据特征，将所述训练数据进行分组，以生成多个分组数据；