一种改进的LSTM横波预测方法:以塔河油田缝洞储层为例OA

横波速度是表征岩土介质物理、力学性质的关键参数,在油气勘探开发中作用突出。碳酸盐岩缝洞储层结构复杂、非均质性极强,传统岩石物理模型与经验公式横波预测速度精度偏低。以新疆维吾尔自治区塔河油田超深层缝洞储层为研究对象,提出基于降维技术与储集体类型划分的长短期记忆神经网络(long short-term memory,简称LSTM)横波预测方法:先校正失真测井曲线,采用主成分分析法(principal components analysis,简称PCA)将声波时差、密度测井以及中子测井等11项测井参数降维为5个主成分;结合成像测井与电性特征,利用支持向量机(support vector machine,简称SVM)将储层划分为溶孔、裂缝、基岩、未充填溶洞、充填砂泥质溶洞、充填角砾溶洞6类,再构建LSTM深度学习模型开展分类型横波预测。结果表明,本方法对缝洞储层的横波预测结果与实测值相关性达到91%,相对于传统经验公式预测精度显著提升。本研究提出的PCA-SVM-LSTM组合预测方法,可有效刻画塔河油田超深层缝洞型储层的强非均质特征,预测结果与实测数据吻合度高,可为同类碳酸盐岩储层横波预测提供高效可行的技术思路。