[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

说明书

技术领域

本发明涉及裂缝性碳酸盐岩油气藏勘探开发，特别涉及一种基于BP神经网络的多属性地震信息融合裂缝预测的方法。

背景技术

目前已经发展起来的碳酸盐岩储层裂缝预测技术有：横波分裂、P-S转换波、多分量地震、多方位VSP、纵波AVAZ等。其中最有效的方法当属横波分裂技术。但横波采集和处理的费用极高，油田投资风险大，因此不能成为常用技术。而多分量地震、多方位VSP、P-S转换波技术有不错的效果，但要么勘探成本高，要么是非常规地震采集项目，在国内现阶段难于广泛应用。目前AVAZ技术成为主流的地震预测裂缝技术手段，辅以基于远近偏移距属性、局部构造熵地震不连续性检测及区域应力场分析等技术手段，多属性多手段共同进行裂缝的地震识别和预测。

因为不同地震属性对不同尺度、不同类型裂缝的敏感性不同，造成某一单一地震属性裂缝预测体的预测精度有限，不能客观完整反映出研究区碳酸盐岩储层裂缝发育的实际情况。在这种情况下，对不同地震属性裂缝预测体的信息融合，成为碳酸盐岩储层裂缝预测的重点难点之一。

目前在多地震属性信息融合的领域中，最为主流的方法是平均加权融合法，其具体做法是，以人工经验为主要依托，赋予各属性预测体不同的权重系数，然后线性相加得到属性融合体，以单井裂缝解释成果数据、生产动态数据为校验，不断修正经验系数，直至获得较为符合地质与开发认识的信息融合裂缝预测体。该种方法的主要弊端在于将各属性体之间的关系简单等同于线性关系，并在经验系数的选择上具有极强的随机性，并且效率低，耗时长，通过实际项目实践，该种方法预测精度不甚理想。基于此，我们将BP神经网络算法引入到多地震属性裂缝预测体的信息融合过程中来，探寻更为先进的方法更好的解决不同地震属性裂缝预测体的信息融合问题。

发明内容

为了解决现有信息融合技术中权重系数随机性强、效率低及预测精度低等问题，本发明提供了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，以达到提高工作效率及信息融合裂缝预测体精度的目的。

本发明的技术方案一：

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，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。

其中，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。

其中，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。

其中，步骤三具体包括：以单井时深关系资料(VSP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。

其中，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。

其中，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。

本发明的技术方案二：

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，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。