沉积相智能地震识别技术研究及应用

作者：杨存; 孟贺; 叶月明; 雍学善; 常德宽

来源：石油地球物理勘探, 2023, 58(03): 528-539.

DOI：10.13810/j.cnki.issn.1000-7210.2023.03.005

• 沉积相
• 深度学习
• 标签
• 卷积神经网络
• 小样本学习
• 层序地层格架

通常利用地震反射同相轴的几何形状、横向连续性、振幅、频率和层速度等参数描述沉积相类型。传统的沉积相地震识别方法利用人工解释目标沉积体，受限于解释人员对目标工区的地质认识，工作强度大、效率低，存在多解性。在很多地震勘探工区只能够标定少量标签，这些标签不足以支撑完成强监督学习，此时小样本学习可以作为好的解决方案。为此，以小样本学习为切入点，主要研究碳酸盐岩丘滩体沉积相预测方法，探讨了基于小样本学习方法在沉积相识别方面的应用效果。在小样本弱监督学习方面，首先根据地震反射构型以及钻井信息建立了典型地震剖面地震相标签库，在川中地区灯影组地震数据中共解释了14条地震剖面作为训练标签，占总数的2.8%。其次，基于层序地层格架控制的沉积相智能分类方法，利用地震层序格架构建隐式标量场，引入地震层位的空间变化信息，避免了深度学习在地震相预测过程中未引入地质信息的缺陷，提高了沉积相智能预测精度。利用所提方法刻画了四川盆地川中地区灯影组碳酸盐岩微生物丘滩体，结果表明：礁体受控于台地边缘斜坡，对礁体边界等的预测结果与地震信息高度吻合，符合地质规律；在平面上，礁体呈条带状分布，与台地边缘的分布基本吻合，与沉积相一致。

• 单位
  中国石油天然气股份有限公司杭州地质研究院; 中国石油勘探开发研究院西北分院