-
题名基于模型的薄层结构智能反演试验分析
被引量：5
- 1
-
-
作者
杨娜霞
赵东凤
郭淑文
熊金良
李国发
-
机构
中国石油大学(北京)油气资源与探测国家重点实验室
中国石油大学(北京)CNPC物探重点实验室
中国石油天然气股份有限公司大港油田勘探开发研究院
中国石油天然气股份有限公司大港油田分公司
-
出处
《石油物探》
CSCD
北大核心
2023年第3期419-430,共12页
-
基金
国家自然科学基金面上项目(41874141)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-03)共同资助
-
文摘
受地震数据有效频带的限制,常规的地震反演方法很难对薄层结构进行准确刻画和描述。基于机器学习的地震反演方法是近年来用于薄层结构预测的新技术。为此,基于BLSTM-Net神经网络模型,针对薄层空间结构的预测问题开展了简单及复杂陆相沉积模型的阻抗反演试验分析。首先,构建简单的薄互层模型,开展基于BLSTM-Net模型智能反演与基于测井约束的常规地震反演方法的试验对比,同时对BLSTM-Net模型的抗噪性进行测试;然后,构建典型的陆相沉积复杂薄互层地质模型,对反演结果的可靠性及其对地震频带的依赖性进行试验分析;最后,对比分析BLSTM-Net神经网络模型与稀疏脉冲反演对弱反射的恢复和保护能力。模型试验结果表明,基于BLSTM-Net模型的反演方法较常规反演方法具有更强的薄层结构预测能力,且对弱反射具有更好的保护作用,具有更大幅度提高实际地震数据薄层刻画精度的理论优势和技术潜力。
-
关键词
储层表征
薄层结构
BLSTM-Net模型
阻抗反演
智能反演
分辨率
-
Keywords
reservoir characterization
thin-layer structure
BLSTM-Net model
seismic impedance inversion
intelligent inversion
resolution
-
分类号
P631
[天文地球—地质矿产勘探]
-
