[发明专利]一种碎屑岩储层夹层机器学习型三维定量表征方法

权利要求书

1.一种碎屑岩储层夹层机器学习型三维定量表征方法，其特征在于，包括以下步骤：

步骤一，依据地质条件和研究目标需求，对目标区内不同沉积微相带内取心井的岩心进行系统地观察和描述，确定岩心碎屑岩储层内夹层类型，建立各取心井岩心夹层纵向系列综合柱状图，确定通过机器学习识别夹层得到的参数及其参考数值；

步骤二，基于取心井岩心夹层纵向系列综合柱状图，建立直井岩心样品所揭示的碎屑岩各沉积微相内夹层类型及厚度与声波、伽马和中子测井电性的匹配关系，应用机器学习方法获取能够有效计算夹层厚度的电性值标准；

步骤三，基于直井所建立的夹层类型与声波、伽马和中子测井电性的匹配关系，通过机器学习识别判断水平井所钻遇的夹层类型，建立水平井单井夹层声波、伽马和中子参数模型，并求取夹层平面展布的长宽；

步骤四，依据直井、水平井建立的声波、伽马和中子参数模型，进行机器学习地震正演模拟，建立钻井夹层模型参数制约下的地震正演夹层模型；

步骤五，借助于地震正演模型所建立的夹层空间模型，设置岩性、地质统计学随机地震反演参数及条件，分别进行单一参数下夹层地震反演模拟，借助机器学习寻找敏感参数，提高夹层识别精度与分辨率，以进行多敏感参数约束的夹层模拟；开展相控约束下优势岩性机器学习方法地震反演，建立多敏感参数控制下的夹层空间分布模型，获取夹层三维空间规模参数：厚度、长度、宽度及其相互对接、叠置范围大小；

步骤六，应用机器学习方法，学习多敏感参数控制下的夹层分布模型，采用序贯指示模拟法、多点地质统计学法，建立不同约束条件下的岩相模型与岩性反演体约束的三维岩相建模，建立岩相模型约束下的夹层三维模型，预测油气藏开发层系的碎屑岩储层内夹层类型及空间分布特征，为碎屑岩储层评价与剩余油分布预测提供定量评价参数指标。

2.根据权利要求1所述的碎屑岩储层夹层机器学习型三维定量表征方法，其特征在于：所述步骤一由以下几项构成：

(一)该碎屑岩储层内夹层机器学习定量表征参数的选择标准为：测井参数类型要能够区分研究区块碎屑岩储层内夹层类型；

(二)碎屑岩储层内夹层分类机器学习参数定量值的大小或夹层定量表征参数的评价标准能够有效地将各类夹层明确地区分开。

3.根据权利要求1或2所述的碎屑岩储层夹层机器学习型三维定量表征方法，其特征在于：所述步骤五由以下几项构成：

(一)碎屑岩储层内夹层分类机器学习地震正演和机器学习地震反演定量值的大小能够有效地将各类夹层明确地区分开，建立多敏感参数控制下的夹层三维空间分布模型；

(二)碎屑岩储层内夹层分类机器学习多敏感参数定量值的大小能够有效地将各类夹层明确地区分开，建立岩相模型约束下的夹层三维模型；

(三)碎屑岩储层内夹层分类及三维空间分布结果要能够反映各类碎屑岩储层剩余油富集主控影响因素的差异。