基于机器学习的复杂储层微小断裂系统识别方法研究与应用

杜炳毅,张广智,王 磊,雍学善,王腾飞

(1.中国石油天然气股份有限公司勘探开发研究院西北分院,甘肃兰州730020;2.中国石油大学(华东)地球科学与技术学院,山东青岛266580)

随着油气勘探开发程度的不断深入,勘探重点由构造油气藏向岩性油气藏甚至隐蔽性油气藏转变,而复杂断裂储层作为主要隐蔽性油气藏类型之一,微小断裂系统的精细识别是复杂储层勘探开发工程中的重要研究内容之一。与构造特征紧密相关的地震属性如构造倾角相干技术、多尺度分频相干技术和多曲率属性综合预测技术等取得了长足的发展,在火山岩、碎屑岩等多种类型的复杂储层预测中发挥了重要作用[1-3]。袁晓宇等[4]采用蚂蚁追踪裂缝检测算法消除噪声对特定频段地震数据的影响,可以检测不同尺度的断裂,识别构造裂缝具有较高的精度。各向异性介质理论的发展为叠前裂缝预测提供了理论基础,在理论模型和实际应用中均取得了一定的研究进展,为复杂断裂储层的精细预测提供了有效的技术手段,但是,这些方法对测井岩石物理微观特征的利用程度不足[5-7]。近年来,基于深度学习的断层识别技术得到了快速发展,通过卷积神经网络、感知归类、残差神经网络等多种方式实现断层面、断层走向等信息的提取,实现了断层的自动识别与解释[8-10]。

多属性结合的预测技术能够更加充分挖掘地震资料中丰富的储层发育信息,建立储层参数与多属性之间的映射关系是利用多属性结合的有效途径。……