科研之友
微信
新浪微博
Facebook
分享链接
摘要
通过挖掘多源异构多尺度数据中的裂缝信息降低裂缝预测的不确定性，在单井裂缝识别裂缝指示参数法的基础上，改进3种人工智能方法，从小样本分类预测、多尺度非线性特征提取、预测模型方差减小提升裂缝识别精度。井间裂缝发育趋势预测方法是通过人工智能地震属性裂缝预测获取井间裂缝带细节，与地质力学数值模拟获得的断层相关裂缝信息互补，提高裂缝预测的可靠性。最后通过协同序贯模拟耦合单井与井间裂缝信息，生成裂缝网络建模所需的裂缝密度体。以中东扎格罗斯盆地A油田渐新统—中新统AS组致密碳酸盐岩储集层为例，对该方法进行了应用和检验。结果表明，单井裂缝识别准确率相比常规裂缝指示参数法提高15个百分点以上，井间裂缝发育趋势预测法相比复合地震属性预测提高25个百分点以上，所建裂缝网络模型与产液指数具有较好一致性。
-
单位油气资源与探测国家重点实验室; 中国石油大学（北京）
