海洋工程装备与技术

海洋工程装备与技术 >

2019 , Vol. 6 >Issue 增刊: 255

DOI: https://doi.org/10.12087/oeet.2095-7297.2019.z1.50

深度学习联合地震反演助力深海储层参数预测

  • 安 鹏 ,
  • 高健祎 ,
  • 曹丹平 ,
  • 牛洪彬 ,
  • 吴 凡
展开
  •  (1.中国海洋石油集团有限公司信息技术中心,北京 100010;2.中国石油大学(华东)地球科学与技术学院,青岛266580:3.中海油能源发展股份有限公司工程技术分公司，天津300452)

网络出版日期: 2020-04-26

基金资助

 

收起

Deep Learning Combined Seismic Inversion for Deepwater Reservoir Parameter Prediction

  • An Peng ,
  • Gao Jian-yi ,
  • Cao Dan-ping ,
  • Niu Hong-bin ,
  • Wu Fan
Expand
  •  (1. Information Technology Center, China National Offshore Oil Corporation, Beijing 100010, China ;2. College o f Geosciences , China University of Petroleum (East China), Qingdao 266580, China;3. CNOOC Energy Development Limited by Share Ltd. Engineering Branch, Tianjin 300452, China)

Online published: 2020-04-26

Supported by

 

Fold

摘要

弹性阻抗反演是主要的储层参数预测方法之一。入射角范围有限和低地震资料质量等原因，会导致密度反演的准确率较低。此外，纵横波速度比在速度峰值处的反演稳定性较差，也不能直接反演孔隙度等储层物性参数。目前通过常规的弹性阻抗反演等方法无法有效解决上述问题。本文将深度学习技术与弹性阻抗反演技术相结合，基于全连接深度神经网络建立起三个角度弹性阻抗与弹性、物性储层参数之间的非线性映射关系，测井数据的密度、纵横波速度比预测的均方根误差均降低10%以上。并以弹性阻抗搭建起测井、地震数据之间的桥梁，通过标准化等数据处理技术，最终得到密度、纵横波速度比和孔隙度的三维预测结果。

关键词：  

本文引用格式

安 鹏 , 高健祎 , 曹丹平 , 牛洪彬 , 吴 凡 . 深度学习联合地震反演助力深海储层参数预测[J]. 海洋工程装备与技术, 2019 , 6(增刊) : 255 . DOI: 10.12087/oeet.2095-7297.2019.z1.50

Abstract

 

Key words：  

Options
文章导航

/

〈 〉