基于先验约束网络的裂隙介质参数地震反演方法OA
裂隙弱度作为表征天然裂隙储层各向异性特征的关键参数之一,可用于描述储层裂隙密度、连通性以及流体识别等。然而,传统的基于各向异性岩石物理模型的解析反演方法基于简化假设,如裂隙均匀分布、弱各向异性近似等,难以准确描述复杂裂隙系统的地震响应特征。特别是在强各向异性或裂隙呈非均匀分布的情况下,传统方法的反演结果往往存在显著误差,并且具有多解性。为此,基于卷积神经网络在局部特征提取与空间相关性建模方面的优势,构建了一种端到端的深度学习模型,并引入地球物理初始模型作为先验约束条件,进而构建出具备多源数据驱动能力的裂隙参数预测模型。同时,利用近似贝叶斯计算方法构建模型参数的后验概率分布,对裂隙弱度反演结果的不确定性进行量化,降低了反演结果的多解性,减小了神经网络输出结果的误差。模型试算与实际数据应用结果表明,该技术体系能够显著提升裂隙弱度的反演精度,并将置信区间压缩30%以上,在复杂裂隙储层的参数定量表征中展现出较高的可靠性。
黎馨燕;潘新朋;许凯;柳建新
中南大学地球科学与信息物理学院,湖南长沙410083 湖南有色资源与地质灾害探查湖南省重点实验室,湖南长沙410083 中南大学有色金属成矿预测与地质环境监测教育部重点实验室,湖南长沙410083中南大学地球科学与信息物理学院,湖南长沙410083 湖南有色资源与地质灾害探查湖南省重点实验室,湖南长沙410083 中南大学有色金属成矿预测与地质环境监测教育部重点实验室,湖南长沙410083中石化石油物探技术研究院有限公司,江苏南京211103中南大学地球科学与信息物理学院,湖南长沙410083 湖南有色资源与地质灾害探查湖南省重点实验室,湖南长沙410083 中南大学有色金属成矿预测与地质环境监测教育部重点实验室,湖南长沙410083
能源科技
先验约束叠前方位地震反演卷积神经网络近似贝叶斯计算
《石油物探》 2026 (4)
P.664-676,13
国家自然科学基金项目(42130810,42474172)湖南省自然科学基金青年A类项目(2025JJ20036)湖南省“三尖”创新人才支持计划项目(2022RC1238)中南大学研究生科研创新项目(2024ZZTS0620)共同资助。
评论