基于模型驱动和数据驱动联合的地震高分辨率岩性预测OA

地层岩性研究对非常规煤岩气勘探开发至关重要。但是受限于地震数据分辨率以及煤层强反射干扰,薄层和煤层顶底板岩性预测面临挑战。因此,提出了一种基于模型和数据驱动联合的地震高分辨率岩性预测方法。首先,通过波形指示模型驱动反演获得高分辨率岩性敏感参数,并以此构建高质量的样本标签数据集。随后,基于门控循环神经网络,引入注意力机制在高维空间对数据的关联特征进行深度挖掘,建立敏感参数到岩性的分类模型,实现多类参数到多类岩性的非线性映射。本质上,提出的方法利用了模型驱动和数据驱动各自的优势,并串联组合而成。将该方法应用于约2000 m深的煤岩气实际数据的岩性预测,结果显示,该方法能够预测厚度约3 m的独立薄煤层及煤层中的异常地质体。进一步通过不同方法对两口盲井的预测结果进行比较,其中,一口盲井的岩性预测准确率由纯数据驱动方法的62.9%和最佳阈值方法的85.0%提高至90.0%;另一口则由62.0%和77.0%提高至87.0%。实际数据测试结果表明,提出的方法有效提升了薄互层以及煤层强反射屏蔽下的岩性识别精度。