从裂缝储层等效各向异性岩石物理理论和五维地震数据裂缝预测技术两个方面对岩石物理驱动的裂缝预测方法研究现状与进展进行了评述。第一部分(Ⅰ)主要介绍裂缝储层等效各向异性岩石物理理论的研究现状。首先从地震波诱导孔缝流体的3种不同状态出发,总结了6种典型的等效各向异性岩石物理理论及其扩展,然后基于Hudson理论、Thomsen模型和Gurevich模型分析了宏观地震反射对微观因素的响应特征,发现裂缝密度、流体类型及孔缝连通性对地震方位反射特征影响较大,总结认为:对于发育垂直裂缝的含气页岩或含油水砂岩,可将背景孔隙度先验值(甚至常数值)直接代入反演流程;对于孔喉发育良好的含气储层,可直接设置裂缝横纵比为常数进行反演。未来研究面临着目标储层复杂程度更大、地震描述精度要求更高等挑战,应从强各向异性岩石物理建模、裂缝实际形态数学表征、多尺度多频带复杂裂缝介质定量描述等方面开展研究。五维地震数据裂缝预测技术研究现状与进展将在第二部分(Ⅱ)阐述
回顾了油气人工智能研究进展,分析其面临的一些关键问题。将油气人工智能研究分成两个层级,即学术型油气人工智能研究和工业级油气人工智能研究,两者面临不同的问题和挑战。对于学术型油气人工智能应用场景,主要是关心算法及其相关理论应用,着重于解决智能点的局部问题;对于工业级人工智能应用场景,更多的要关心数据治理、数据集、平台、多源多尺度多模态数据融合建模、数据驱动与机理模型融合建模以及机器学习模型的可解释性等问题。针对数据驱动与机理模型融合问题,提出3种途径,即算法融合、评价方法融合、数据集融合,并给出实验验证。针对油气人工智能模型的可解释性问题,指出工业级油气人工智能必须具有可解释性,并提出初步解决方案,包括建模前、建模中、建模后的多级解释模型。最后,作者认为,探寻工业级人工智能理论和应用场景发展之路,必须厘清人工智能时代“物理世界”、“数字世界”、“人类认知世界”、“机器认知世界”和“机器正在改造的世界”之间的互动关系。
地震勘探是探测地下油气资源的重要方法之一,利用人工地震剖面数据多种特征识别储层结构、岩性、物性等是地球物理勘探的关键问题。随着数据量的增大,对地震数据进行降维和信号特征编码成为快速处理和分析地震资料的重要方向。由于手工标记拾取地震数据特征耗时费力、效率不高,而且不同人员往往会产生不同的解释结果,为此,基于地震剖面数据与人类指纹之间存在的相似性特征,提出了地震数据指纹特征点提取和自动标签化方法。该方法通过识别地震剖面数据间断、分叉等特征点,从海量地震剖面数据中提取存储量小、信息丰富的指纹特征点,并实现指纹特征点阵列(dactylogram minutiae array,DMA)编码算法。实际三维地震数据体处理结果表明,指纹特征点和DMA编码可以将数据存储量降低2个数量级,同时,编码本身包含特征点位置、方位角等信息,能够将编码从一维字符串恢复为二维特征点矩阵,并重构出地震剖面的特征点分布。勘探区域地下结构和含油气情况决定了地震数据指纹特征点的分布,因此特征点具有唯一性特点。利用指纹特征点匹配算法可以在三维数据体中自动实现相似特征的标签化,为深度学习提供大量训练数据集合。基于指纹特征点识别和自动标签化算法具有大规模数据降维和标准化编码能力,适合于快速生成人工智能算法的训练数据,能够进一步挖掘现有数据中的信息,为地震数据处理提供新的数据资料特征。
非常规油气储层矿物成分复杂,流体赋存形式多样,孔隙度、渗透率和饱和度等储层参数与测井响应呈非线性关系,难以构建理论模型或经验公式。近年发展迅速的机器学习为测井解释提供了新思路。综述了机器学习在测井解释中的应用现状,概述了集成机器学习的概念、框架和工作机制,指出机器学习包括同质集成与异质集成(委员会机器)两种,简述了两者的差异。重点介绍了委员会机器的基本原理和工作机制。委员会机器是一种结合神经网络和决策树等多种智能算法构建的集成机器学习系统,采用特定的组合策略实现多专家共同决策,对改善训练模型和预测结果具有显著优势。在测井解释中,针对分类、回归问题分别发展了分类委员会机器和回归委员会机器。测井流体识别和储层参数预测的应用表明,委员会机器预测结果比单个智能算法具有更好的精度和鲁棒性,尤其适用于测井解释中的小样本问题。针对有机页岩生烃能力测井评价问题,引入门网络预学习技术构建动态委员会机器,实现了总有机碳含量的智能预测,其预测精度高于传统委员会机器。此外,为了进一步提升预测结果的准确性和可靠性,在委员会机器训练中又引入了地球物理模型约束项,提出了物理模型与委员会机器联合驱动的思路,使致密砂岩孔隙度、渗透率和饱和度的预测精度得到进一步提高。可以看出,基于多元测井数据及其它多源的录井、测试和岩石物理实验数据,利用委员会机器学习算法可以有效地实现储层特征定性判别和定量评价,是测井解释发展的必然趋势。
深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测。经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少深度神经网络超参数的选取对地震油气藏分布预测结果影响的系统性研究。为此,在分析深度神经网络隐含层数目、隐含层节点数及激活函数的基础上,探讨了深度神经网络模型超参数选取对含油气性多波地震响应特征提取结果的影响,并利用多种评价指标对不同网络结构模型的性能进行了对比。结果表明,深度神经网络隐含层数目等超参数的选取会影响地震油气藏分布范围的预测精度;同时,深度神经网络在参数选取满足精度要求(即均方误差MSE小于0.001)的情况下,可以取得良好的预测结果,从而验证了深度神经网络用于含油气性多波地震响应特征提取的有效性和可行性。
提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声。为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪。模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号。
沉积微相划分是油气藏勘探的研究基础。传统沉积微相划分由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、冗长的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决沉积微相划分的深度学习方法。针对测井沉积微相,提出了基于特征构造(DMC)和双向长短期记忆网络(BiLSTM)的沉积微相智能识别方法。首先,利用趋势分解和中值滤波对原始曲线进行多维重构,并对重构矩阵和原始曲线特征采用kmeans提取时空相关聚类特征;然后,以原始曲线特征、地质趋势特征、中值滤波特征和聚类特征作为输入,基于双向长短期记忆网络得到当前深度沉积微相预测类型。与长短期记忆网络(LSTM)和时间卷积网络(TCN)对比发现,在沉积微相的识别上,沉积微相智能识别方法具有更优异的性能和鲁棒性。实验表明,该方法能有效划分沉积微相,识别准确率达到91.69%。
地震相是沉积相在地震剖面上的反映,能为地下资源尤其是油气资源的勘探开发提供有效依据。近年来随着人工智能的快速发展和油气人工智能的有力推进,国内外学者提出了多种地震相智能识别的方法。对地震相智能识别方法进行了归纳总结,将其归纳为无监督学习、监督学习和半监督学习3类,并详细介绍了这3类方法的原理、应用现状及其优缺点。无监督学习利用没有标签的地震数据进行学习聚类,从而实现地震相的自动识别,具有简单易操作的特点。监督学习主要利用标签数据反馈学习,通过学习不断接近标签,从而使得该方法在地震相识别中具有更高的精度。半监督学习在地震数据标签不足的情况下,利用合成伪标签等方式进行学习,但伪标签中存在的误差会降低该方法的精度。最后以神经网络地震相识别为例,对地震相智能识别技术进行了展望。
目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题。为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法。以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时序序列的特征向量,再利用GRU网络进行训练,最后输出测井曲线预测值。该方法综合了卷积神经网络局部特性感知和门控循环单元网络长期记忆的特性,考虑了测井曲线的深度趋势和局部形状,具有较高的预测精度。将该方法应用于四川某地区A、B两个井区3口井的测井曲线预测,并将预测结果与其它3种人工智能预测方法的预测结果进行对比分析,结果显示,基于CNN-GRU神经网络的测井曲线预测方法应用效果显著,能有效提取数据特征,为测井曲线预测提供了一种新思路。
海上地震采集时采用传统的海面投放方式布放深水海底节点(OBN)时点位偏差较大,无法满足基本的勘探精度要求,因此近年来水下机器人(ROV)被引入到海上地震采集行业。结合非洲东部某近岛海域OBN采集实例,讨论了ROV在深水地震采集应用中的主要环节,包括动态定位船和ROV系统构成及原理,ROV系统在OBN采集节点布放及回收时的质量检测、参数校准方法、深水声波定位方法、点位精度评价方法、实际布放回收效率等。利用初至波二次定位技术,对用ROV布放OBN的坐标精度进行了验证,结果表明ROV可获得较传统海面投放方式精度更高且点位偏移量更稳定的布放效果,但布放及回收效率大大降低。研究结果为ROV在深海或复杂海域OBN地震采集的进一步研究与应用提供了有价值的定量技术评价指标。
将第一部分论述中提出的地震数据线性正演表达公式作为地震数据线性反演的正演方程,利用线性反演理论提出包括散射数据波形成像和反射数据波形成像的地震数据波形成像方法理论,给出了标量波散射数据、声波反射数据和弹性波反射数据波形成像的具体计算公式。散射数据波形成像是对散射体物性参数相对扰动的线性反演,反射数据波形成像是对反射体波阻抗相对扰动或反射体边界局部反射系数的线性反演。在波形成像中,如果将波场传播算子的伴随算子作为波场传播算子的逆,则波形成像可转化为波形偏移;如果将波场传播算子的最小二乘逆作为波场传播算子的逆,则波形成像可以转化为最小二乘波形偏移。散射数据波形偏移可以实现对散射体空间位置的成像,反射数据波形偏移不仅可以实现对反射体构造的准确成像,还可以实现对反射体波阻抗相对扰动的成像。受角度域反偏移计算复杂度的限制,反射数据最小二乘波形偏移仅可实现反射体近法向波阻抗相对扰动的最小二乘反演和反射体边界局部近法向反射系数的最小二乘反演。相较于逆时偏移,波形偏移结果不仅在理论上具有更加准确的相位和更高的分辨率,而且还不增加偏移计算量。地震数据波形成像不仅弥补了当前构造成像的不足,还可以用于地下的岩性成像。合成地震数据的数值试验结果验证了方法的有效性。
点扩散函数(PSF)反映了地震观测系统对地下一个成像点观测过程的模糊化。在反演理论下可以证明,偏移成像是真实反射率与PSF卷积的结果。将反演成像转化为模型空间的图像去模糊问题,其核心在于PSF算子的计算和PSF模糊化效应的消除。提出了通过散射点模型的一次正演和偏移高效求取控制点PSF,而后通过空间插值快速得到全成像空间PSF的方法。理论分析和数值实验结果表明,全成像空间的PSF是反演理论中Hessian算子的近似,将PSF与反射率模型卷积得到模糊化的图像。利用波数域反演成像的方法,对常规偏移成像结果进行解卷积处理可以得到模型空间的反演结果。模拟数据的测试结果表明,相较于传统的最小二乘偏移方法,面向模型空间地震反演成像的点扩散函数快速计算方法具有更高的计算效率,处理后的偏移剖面分辨率更高,同时具有更均衡的振幅。
弹性波高斯束逆时偏移是一种兼具计算效率和成像精度的多分量地震成像算法,具有面向目标成像的能力,但目前研究主要集中在声波各向同性、各向异性和弹性波各向同性介质,有关弹性波各向异性介质的研究较少。首先,基于地震波矢量特性,在震源点和检波点分别采用P波和S波进行射线追踪,发展了一种基于相速度的各向异性弹性波射线追踪算法,该算法不仅具有较高的计算效率,而且能消除求取地下介质各向异性参数时的不确定性;然后,通过弹性波动力学高斯束表征的格林函数来实现波场正反向延拓;最后,对正反向延拓波场进行互相关获取成像值,实现弹性波各向异性高斯束逆时偏移。VTI复杂构造模型和TTI断层模型数据的应用表明该方法能够对各向异性构造准确地成像,与传统的基于弹性参数的算法相比,其算法的计算效率更高。
断层圈闭是珠江口盆地珠一坳陷油气勘探的重要圈闭类型之一,断层阴影带的构造精确成像是该类型圈闭评价面临的最大挑战。勘探实践中形成了3种有效技术:①叠前深度偏移(PSDM)技术,引入断控+层位约束层析速度建模,可提升断层附近构造成像质量;②采集方向与断层平行或者夹角较小时,PSDM效果不够理想,采用基于正演模拟的断层阴影带构造成图方法,初步获得断层阴影带相对合理的构造形态,约束层析速度建模,可进一步改善PSDM成像效果;③重点靶区进行二次三维采集,形成以双方位联合层析速度反演和各向异性PSDM为核心的双方位融合处理技术,与单方位数据相比,双方位数据不仅信噪比大幅提高,而且有效消除了断层阴影带构造畸变。实际应用结果表明,断控+层位约束PSDM能有效改善断层阴影带成像;基于正演模拟的构造成图方法可以为PSDM速度建模提供更好的构造约束;垂直断层采集的地震资料有利于断层阴影带成像;多方位采集和融合处理是解决断层阴影带成像难题的最理想方案。
滩坝砂储层因其储层物性差、单层厚度薄等特点而导致产能预测较为困难,提出了一种新的基于数据和模型双驱动的井震结合产能等级划分方法。通过机器学习中的降维算法结合聚类算法,并利用聚类算法中的肘部法确定最佳聚类数,进行储层测井产能等级自动划分。首次在平面径向流公式的基础上建立了测井产能等级指示模型,为地震属性横向预测提供井点刻度。以胜利油田W工区为例,利用最小二乘法推导出了测井产能等级指数公式,计算了10口井目的层单井产能等级指数。对提取的多种地震属性在井点处的属性值与测井产能等级分类结果进行Pearson相关性分析,优选了3种与产能等级指数显著相关且两两之间相互独立的地震属性。利用支持向量回归算法,建立了地震属性融合的储层产能等级指数平面图,经3口验证井检验,产能等级指数平面图与实际产能吻合程度较好。研究结果表明,基于测井产能等级划分的地震属性横向预测方法可以有效预测靶区储层产能等级。
在地震-地质一体化综合研究中,井震标定所确定的时深关系是构建深度域测井数据和地质类等资料与时间域地震资料相互转换的桥梁。加强对井震标定结果的分析研究,可以有效提高井震标定后时深关系的可靠性与准确性,继而提升构造解释、变速成图、储层研究等工作的可靠程度。为了提高井震标定精度,从分析影响井震标定结果的主要因素出发,提出了一套利用沉积相带控制下的速度分析、联井地震剖面对比以及VSP的速度关系分析等综合时深关系分析方法,开展了地震-地质一体化的综合提高时深关系精度的实验验证与应用研究。在多个凹陷的沉积地层中,从单井标定、单个地质界面的地震层位追踪以及VSP速度资料的应用,扩展到了不同沉积相带的多井标定、多个地震层位追踪结果质控以及实现地层的快速对比等方面。结果表明,该综合分析方法适用于碎屑岩沉积地层中时深关系标定结果的检查,从多个角度提高了井震标定后时深关系的准确性与精度,同时在地层对比研究、构造分析、油藏评价等方面也具有广泛的应用前景。
传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。
瞬变电磁测井是测量套管外地层电导率的一种有效方法。采用实轴积分法试算了套管井模型的瞬变电磁响应,不同源距响应波形的形状差异明显。对同一源距,将两种不同地层电导率的响应波形相减得到响应差波形,不同源距的响应差波形形状不变。各个时刻的响应差与地层电导率差呈线性关系。首先将实际测量波形减去同一深度的测量波形,取某个时刻的波形差,然后刻度平移得到瞬变电磁视电导率曲线,该曲线形状与裸眼井阵列感应测井曲线形状一致,最后仿照Doll的地层电流环,使用导电薄板对地层中涡流再次激发的二次场响应进行分析,发现其传播特征为单向,得到的传播速度为常数,这解释了响应差波形形状不随源距改变的计算结果,确定了瞬变电磁测井波形中的地层电导率信号由地层涡流激发。上述研究成果为利用二次场响应的传播速度计算过套管地层电导率提供了理论依据。
苏公网安备 32011502010797号
PDF全文
摘要
HTML
在线办公
作者投稿查稿