基于地震属性智能融合的湖相重力流沉积致密砂岩储层预测

湖相重力流是目前沉积学研究的热点与难点，也是致密油、页岩油富集的有利场所，鄂尔多斯盆地庆城油田三叠系延长组作为致密油、页岩油的典型代表已显示出巨大的勘探开发前景。然而，由于湖相重力流砂体分布认识不清，导致油田并未达到预期的开发效率。本文采用支持向量机(SVR)的机器学习方法，先优选频段再优选属性，建立分频属性与测井解释砂体厚度的非线性映射关系，实现了致密砂岩的定量预测。研究结果表明，低频地震属性适合预测厚层砂体，高频地震属性适合预测薄层砂体；采用机器学习的方法，将不同频率的地震属性智能融合，能够兼顾预测不同厚度砂体，既提高了地震属性的解释精度，又降低了地震解释的多解性，实现了砂体厚度的定量预测。检验结果显示，智能融合属性与砂体厚度的分布趋势与值域区间基本一致，智能融合属性预测砂体分布的可靠性明显提高，与测井解释砂体厚度的相关性由0.60提高至0.79，大多数井点处预测的砂体厚度误差小于5 m。继而，根据融合属性与测井解释，刻画了研究区的沉积微相展布特征：研究区目的层发育湖底扇沉积，细分为分支水道、朵叶主体、朵叶侧缘、滑塌体与朵叶间/水道间5种沉积微相；砂体主体呈扇形连片式沉积，厚度顺物...