[发明专利]一种沉积体波形空间结构分析与体控反演建模方法

说明书

本发明涉及一种沉积体波形空间结构分析与体控反演建模方法，其特征在于包括以下内容：S1、获取地震数据体并对地震数据体的波形结构特征属性进行提取，得到表征地震数据体波形结构特征的属性数据体；S2、通过基于模式特征的聚类分析方法对地震数据体对应的波形结构特征的属性数据体进行聚类分析，形成三维地震相体；S3、通过三维地震相体控制基于深度学习的沉积体岩相识别，并指导沉积体控制下的相控反演建模。本发明能够和地质研究上储集体层次结构解剖保持一致，为解决复杂储层精确预测的问题以及海外重点盆地油气勘探开发提供技术支持。

技术领域

本发明是关于一种沉积体波形空间结构分析与体控反演建模方法，涉及反演建模技术领域。

背景技术

目前，相关行业内多使用PCA技术对地震数据体的多相关属性进行分类和降维，从而生成未定义的结构数据体。并采用无监督的聚类分析技术对二维地震相进行识别。然后基于神经网络这种简单的人工智能方式，学习常规测井连续曲线，进而采用二维平面模式去控制建模的地震沉积走向。

现有技术主要侧重于地震常规技术应用，包括频谱成像、波阻抗反演、岩性解释技术以及油气检测技术进行碳酸盐岩的成藏模式和油水关系的研究，并没有考虑到碳酸盐岩储层非均质性强、岩性复杂，反演建模困难、储层预测困难等问题。并且现有技术中对于三维沉积体一般都是手工解释，其效率较低，人为因素大，而复杂形态建模的技术并不成熟，操作复杂，实用性差，多采用以柱形简化方式，以面代体，并不是三维体控建模。此外，现有技术中用于岩相分类的神经网络隐层数少，容易陷入局部最小，造成训练困难。且目前采用二维平面模式去控制建模的地震沉积走向，并不适用于非层状介质模型。

发明内容

针对上述问题，本发明的目的是提供一种沉积体波形空间结构分析与体控反演建模方法，能够实现纵向和横向的地震相同时识别。

为实现上述目的，本发明采取以下技术方案一种沉积体波形空间结构分析与体控反演建模方法，包括以下内容：

S1、获取地震数据体并对地震数据体的波形结构特征属性进行提取，得到表征地震数据体波形结构特征的属性数据体；

S2、通过基于模式特征的聚类分析方法对地震数据体对应的波形结构特征的属性数据体进行聚类分析，形成三维地震相体；

S3、通过三维地震相体控制基于深度学习的沉积体岩相识别，并指导沉积体控制下的相控反演建模。

进一步地，上述步骤S1的具体过程为：

S11、获取经过去噪处理的地震振幅数据体；

S12、计算地震数据的局部方向梯度；

S13、基于局部方向梯度，计算梯度结构张量，并进行各向异性高斯平滑；

S14、对梯度结构张量进行特征值分解；

S15、采用得到的特征值构造具有反射结构意义的结构特征属性，形成特征属性数据体。

进一步地，上述步骤S3的具体过程为：

S31、通过三维地震相体控制基于深度学习的沉积体岩相识别；

S32、沉积体控制下的相控反演建模，建立用于识别岩相体的波阻抗模型。

进一步地，上述步骤S31的具体实现过程为：

S311、利用深度信念网络模型，基于对比散度学习方式学习测井上所解释的大尺度的测井岩相曲线；

S312、基于对测井岩相曲线的学习结果，将地震波形、属性转化为地震岩相体，实现对沉积体岩相的识别。