[发明专利]一种基于神经网络的多属性地震信息融合裂缝预测的方法

权利要求书

1.一种基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，包括以下步骤：

步骤一：单井裂缝发育强度曲线拟合；

步骤二：叠前地震多属性的裂缝预测，获得方位角各向异性属性的裂缝预测体与远近偏移距属性的裂缝预测体；

步骤三：地震属性裂缝预测体的时深转换，获得深度域裂缝预测体；

步骤四：深度域裂缝预测体粗化；

步骤五：基于BP神经网络叠前地震属性预测裂缝信息融合。

2.根据权利要求1所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤一具体包括：在岩心与成像测井资料对裂缝发育特征进行识别的基础之上，结合对工区内成像测井资料的解释成果，完成单井裂缝的识别与半定量-定量评价，继而根据单井裂缝解释数据，生成单井裂缝发育强度曲线。

3.根据权利要求1所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤二具体包括：对本区叠前三维地震道集数据进行叠前保幅、分方位角叠加预处理，建立裂缝发育段的岩石物理正演模型，在此基础之上利用方位角各向异性属性和远近偏移距属性，对本区进行了综合裂缝预测，分别得到方位角各向异性属性的裂缝预测体与远近偏移距属性的裂缝预测体。

4.根据权利要求1所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤三具体包括：以单井时深关系资料为基础，进行地震属性裂缝预测体的时深转换，获得深度域裂缝预测体。

5.根据权利要求1所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤四具体为将各地震属性的深度域裂缝预测体粗化至地质模型中。

6.根据权利要求1所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤五具体包括：分别提取各地震信息裂缝预测体井旁道数据，形成由地震信息预测的单井裂缝强度曲线，以步骤二获取的单井裂缝强度曲线为学习对象进行网格化训练，由此形成训练模块；在此训练模块指导下，对经步骤五粗化至地质模型中的各地震属性的深度域裂缝预测体进行非线性融合。

7.一种基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，包括以下步骤：

步骤一：建立常规曲线识别裂缝模型；

步骤二：单井裂缝发育强度曲线拟合；

步骤三：叠前地震多属性的裂缝预测，获得方位角各向异性属性的裂缝预测体与远近偏移距属性的裂缝预测体；

步骤四：地震属性裂缝预测体的时深转换，获得深度域裂缝预测体；

步骤五：深度域裂缝预测体粗化；

步骤六：基于BP神经网络叠前地震属性预测裂缝信息融合；

步骤七：建立井控信息融合裂缝预测体。

8.根据权利要求7所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤一具体包括：通过模糊聚类的方法优选其与裂缝发育有良好响应的常规测井曲线若干条；基于BP神经网络的计算方法，常规测井曲线以单井裂缝识别裂缝硬数据作为学习对象，进行网格化训练，形成训练模块并推广至缺乏岩心编录与成像测井资料的单井，进行相应的学习训练，最终形成常规测井曲线识别裂缝模型。

9.根据权利要求7所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤二具体包括：结合有限的岩心资料、成像测井资料对裂缝解释成果，以常规测井曲线识别裂缝模型为指导，完成单井裂缝的识别与半定量-定量评价，继而根据单井裂缝解释数据，生成单井裂缝发育强度曲线。

10.根据权利要求7所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤三具体包括：对本区叠前三维地震道集数据进行叠前保幅、分方位角叠加预处理，建立裂缝发育段的岩石物理正演模型，同时，对工区进行应力场数值模拟研究，在此基础之上利用方位角各向异性属性和远近偏移距属性，对本区进行了综合裂缝预测，分别得到方位角各向异性属性的裂缝预测体与远近偏移距属性的裂缝预测体。

11.根据权利要求7所述的基于神经网络的多属性地震信息融合裂缝预测的方法，其特征在于，步骤四具体包括：以单井时深关系资料、时间层位解释数据为基础，利用协同克里金算法，建立工区内速度模型；以速度模型为约束，进行地震属性裂缝预测体的时深转换，获得深度域裂缝预测体。