[发明专利]基于地震数据深度学习的储层检测方法

权利要求书

1.一种储层检测方法，其特征在于，所述方法包括：

根据标定的目标层位，获取与所述目标层位对应的地震道数据，基于所述地震道数据，建立储层检测深度学习无监督预训练模型；

根据测井、录井资料，获取与所述目标层位对应的井旁地震道数据，建立储层检测深度学习监督特征提取模型；

基于所述储层检测深度学习无监督预训练模型和所述储层检测深度学习监督特征提取模型及所述目标层位，获得所述目标层位深度学习的高层特征；

获取所述目标层位上的指定参考位置的储层特征；

基于所述指定参考位置的储层特征，确定所述目标层位上与所述参考位置的高层特征相同的区域的储层特征。

2.根据权利要求1所述的方法，其特征在于，所述根据测井、录井资料，获取与所述目标层位对应的井旁地震道数据，建立储层检测深度学习监督特征提取模型，包括：

将所述目标层位对应的地震道数据作为训练数据，预训练储层检测深度学习模型的配置参数；

基于所述井旁地震道数据及与所述井旁地震道数据对应的目标数据，调整预训练完成的储层检测深度学习模型，从而建立储层检测深度学习模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标层位对应的地震道数据作为训练数据，预训练储层检测深度学习模型的配置参数，包括：

将所述目标层位对应的地震道数据作为训练数据，利用受限玻尔兹曼机或连续受限玻尔兹曼机，预训练储层检测深度学习模型的配置参数；更新所述配置参数，直到完成包含多层受限玻尔兹曼机或连续受限玻尔兹曼机的储层检测深度学习模型的深度置信网络，其中，所述配置参数包括模型深度、模型每层神经元节点数、神经元激活函数及稀疏目标函数。

4.根据权利要求3所述的方法，其特征在于，所述基于井旁地震道数据及与所述井旁地震道数据对应的目标数据，调整预训练完成的储层检测深度学习模型，从而建立储层检测深度学习模型，包括：

基于所述井旁地震道数据及与所述井旁地震道数据对应的目标数据，基于反向传播算法，利用批量随机梯度下降算法求解所述多层受限玻尔兹曼机或连续受限玻尔兹曼机的储层检测深度学习模型的深度置信网络，调整预训练完成的储层检测深度学习模型参数，直至满足预设条件，从而建立储层深度学习检测模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述储层检测深度学习无监督预训练模型和所述储层检测深度学习监督特征提取模型及所述目标层位，获得所述目标层位深度学习的高层特征，包括：

计算所述储层检测深度学习模型的每层基，所述每层基包括高层基；

基于所述目标层位与所述高层基的相关系数，确定所述目标层位的高层特征。

6.根据权利要求1所述的方法，其特征在于，所述储层特征包括岩性、含水、含气之中至少一种。

7.根据权利要求1所述的方法，其特征在于，所述根据标定的目标层位，获取与所述目标层位对应的地震道数据，包括：

沿标定的目标层位，以预先设定的时窗宽度提取井旁地震道数据。

8.根据权利要求1所述的方法，其特征在于，在根据标定的目标层位，获取与所述目标层位对应的地震道数据步骤之前，所述方法还包括：

利用测井、录井和合成地震记录标定所述目标层位。