基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

基于岩相约束的Xu-White模型线性化近似与反演

Xu-White模型为强非线性模型,无法直接进行线性化近似、实现储层物性线性化反演。对Xu-White模型进行正演分析,发现泥质含量是影响模型非线性强弱的关键因素。为此,提出岩相约束的岩石物理模型线性化近似方法,实现了由Xu-White模型线性化反演储层物性参数。主要有四个步骤：①利用测井曲线建立岩相模型;②利用泰勒级数展开方法,分岩相对Xu-White模型进行线性化近似;③依据贝叶斯理论建立储层物性反演目标函数,并利用最小二乘优化算法反演孔隙度、泥质含量与含水饱和度等参数;④通过不确定性分析,验证反演结果的可信程度。该方法在模型试算及实际测试中均取得了较高质量的反演结果。     

塔里木盆地奥陶系碳酸盐岩储层孔隙特征刻画

塔里木盆地奥陶系碳酸盐岩地层孔隙类型复杂，是地震勘探中孔隙度-纵波阻抗、孔隙度-渗透率关系复杂化的主要因素之一，由于缺乏合适的岩石物理模型，导致其表征一直是一个难题。根据Biot理论，Sun岩石物理模型引入表征碳酸盐岩储层非均质性的研究。与传统岩石物性模型相比，该模型可以更好地刻画碳酸盐岩储层孔隙类型的多样性，其有效性及准确性在岩心及测井尺度得到验证和应用。在这个模型中，孔构参数是一个与孔隙度无关的弹性参数，它能够在孔隙度不变的情况下表征体积和剪切模量的变化，进而表征孔隙的形态变化特征。文中采用该参数表征储层孔隙类型及孔洞特征的变化：首先，通过成像测井的二次处理，实现孔洞储层孔洞段、裂缝段的定性识别及孔洞直径、孔洞数量及孔洞面孔率的定量评价参数，为后续Sun岩石物理模型参数反演提供基础数据；然后，利用Sun岩石物理模型，得到表征储层孔隙类型的孔构参数；最后，在成像测井定量解释参数及薄片资料的刻度下分析了孔构参数与孔洞的大小和充填程度、孔隙类型及裂缝的发育程度的关系。研究结果表明：对于岩溶储层，孔构参数可以表征溶洞储层洞体的规模及充填程度。对于基质孔隙，孔构参数刻画了晶间孔、微晶孔及成岩...