基于地震属性的致密碳酸盐岩储层裂缝分布的人工智能预测方法

作者：鲍明阳; 董少群; 曾联波; 何娟; 孙福亭; 韩高松

来源：地球科学, 2023, 48(07): 2462-2474.

• 裂缝预测
• 地震属性
• 致密碳酸盐岩储层
• 人工智能
• 扎格罗斯盆地

裂缝是致密碳酸盐岩储层的重要渗流通道，影响油藏开发效果.由于裂缝的地球物理响应弱且复杂，使得裂缝预测困难.在深度挖掘地震属性中裂缝特征信息的基础上，建立了基于人工智能的裂缝分布预测方法 .该方法通过支持向量机算法优选裂缝敏感属性，利用梯度提升决策树(GBDT)算法深度挖掘单井裂缝发育情况与地震属性之间的非线性关系，梯度提升决策树算法对于异常值有较强的鲁棒性，可以较好地解决裂缝地震响应弱且复杂的问题.该方法在中东扎格罗斯盆地某油田古近系渐新统-新近系中新统Asmari组主力产油层位的致密碳酸盐岩储层中进行了实例应用，优选出方差、曲率、倾角偏差、倾角、方位角5种裂缝敏感地震属性，利用梯度提升决策树集成不同地震属性中的裂缝特征，建立裂缝分布预测模型，对研究区碳酸盐岩储层裂缝分布进行了预测.与常用裂缝预测方法的对比实验表明，本方法的裂缝预测结果与单井裂缝解释更为符合.预测结果表明，研究区北部裂缝更为发育，构造高部位附近裂缝更为发育，与生产动态认识相符合.

• 单位
  油气资源与探测国家重点实验室; 中国石油大学（北京）