基于地震剖面构型Hu矩的岩相智能预测方法与流程

本发明涉及油气勘探地球物理，特别是涉及到一种基于地震剖面构型hu矩的岩相智能预测方法。

背景技术：

1、在地震勘探领域，岩相识别是油气勘探的重要步骤，对勘探成败具有重要意义。岩相是以岩石结构特征为主来反映各微相砂体形成过程的古水动力条件。在复杂岩性储集层中，由于岩相的不同，可以导致孔隙度和渗透率存在较大差异，渗透率可达到2个数量级。因此，对储集层的岩相划分显得十分重要。根据岩石成分、结构、构造和颗粒间的接触关系，考虑岩石物性差异，将岩石分为砾岩相、砂岩相、粉砂岩相和泥岩相。

2、利用电测井曲线进行沉积环境和岩相定性解释是盆地沉积相分析的常规手段之一。而利用沉积环境和岩相的电测井曲线响应模式进行人工智能模拟识别具有重要的意义。因为，在没有取芯的情况下，可利用大量的电测井资料借助于电子计算机确定单井纵向相序，并推测横向上岩相的变化，在石油勘探过程中用以找寻有利的砂体分布地区，进行勘探部署。

3、在进行油气勘探时，可以通过地质建模技术，分析待开发地区的地质结构以及油气储藏情况。例如：可以通过地质内部结构以及沉积几何形态等的研究，建立可以表征储层及油藏模式的储层地质模型和岩相地质模型。通过储层地质模型和岩相地质模型可以分析待开发地区的沉积体的三维结构，对确定储层油气开发方案具有重要作用。

4、在申请号：cn201711126988.6的中国专利申请中，提供了一种储层岩相的表征方法及装置。该方法包括：根据待分析地区内的井的分布信息、构造单元、岩相单元，建立构型单元对比剖面、岩相单元对比剖面；根据构型单元对比剖面、岩相单元对比剖面和三维岩相单元对比剖面；拾取构型单元边界控制线和岩相单元界面；根据构型单元界面和三位构型单元地质模型，构建三位构建单元地质模型；根据岩相单元界面和三维构型单元模型，构建三维岩相单元地质模型。可以较为准确的刻画构型单元和岩相单元的三维分布特征，不需要复杂的计算和加权估算，减少了孤立岩相的出现，提高了地质结构分析的准确性。该专利申请只应用了传统的岩相数据进行井约束，采用传统的地震正演、反演、地震属性等手段进行流程上的优化组合。

5、在申请号：cn201811105567.x的中国专利申请中，提供了一种基于岩相构型的裂缝预测方法。其主要步骤包括，影响裂缝发育的相关因素的预测，其中，相关因素包括岩相构型、烃源岩有机碳含量、曲率、距断层距离和岩石组构；根据成像测井裂缝密度统计数据以及相关因素的统计值，进行所述相关因素与裂缝发育程度的关联性分析，明确影响裂缝发育的地质主控因素；根据得到的所述地质主控因素，建立基于岩相构型的多参数裂缝密度计算模型，对裂缝进行预测。该发明在充分考虑致密砂岩储层裂缝发育程度受控于构造和非构造因素的前提下，以影响裂缝发育的相关因素的预测为主线，以各相关因素与裂缝发育的关联性为关键，得到地质主控因素并建立多参数裂缝密度计算模型，实现致密砂岩储层的裂缝预测。该发明的目的在于克服现有技术中所存在的裂缝发育程度研究中仅考虑构造因素，未建立基于地质分析的裂缝定量预测模型，不能准确预测裂缝纵横向分布，不能有效知道油气勘探和开发的不足，仅提供了一种岩相构型的裂缝预测方法。该专利申请解决的是通过裂缝相关因素，基于岩相构型计算建模，实现致密砂岩储层的裂缝预测问题。

6、在申请号：cn202011233656.x的中国专利申请中，涉及到一种等时地层模型控制下的砂砾岩体岩相预测方法，包括：根据井震频谱分析、fischer曲线和耦合系数对井震关系进行标定；根据emd，分解获得本征模函数分量，实现地震剖面的重构；建立初步三维虚拟网格；形成节点网格并以相关门槛值约束形成基础的对象单元；利用应用价值函数计算对象单元间相关度指标，将相关度指标高的对象单元连接，得到层位框架，再根据地层沉积的继承性，细化内插形成三维等时地层模型；根据等时地层模型获得等时地层切片，通过等时地层切片对砂砾岩体岩相。

7、以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术问题，为此我们发明了一种新的基于地震剖面构型hu矩的岩相智能预测方法。

技术实现思路

1、本发明的目的是提供一种建立岩相种类及厚度与地震波形hu不变矩之间的估算模型，大大提高了岩相种类及厚度预测的速度和精度，快速高效、可靠实用的基于地震剖面构型hu矩的岩相智能预测方法

2、本发明的目的可通过如下技术措施来实现：基于地震剖面构型hu矩的岩相智能预测方法，该基于地震剖面构型hu矩的岩相智能预测方法包括：步骤1，对研究区三维地震数据，按目的层提取每一道地震数据的地震波形hu矩属性；步骤2，按三维地震平面上的每一道作为一个样本点，对每一样本点，选取其hu不变矩数据，形成二维空间的样本数据集；步骤3，将样本数据集分割成标签样本集和预测样本集；步骤4，选取机器学习算法，对标签样本集进行学习得到训练模型，然后用该模型对预测样本集进行预测，得到全区岩相分布数据。

3、本发明的目的还可通过如下技术措施来实现：

4、在步骤1中，目的层时窗的确定是基于井震结合建立的岩相划分层序；利用地震解释层位确定目的层时窗，提取时窗内的地震数据，并对其计算地震波形hu不变矩属性。

5、在步骤1中，对时窗内地震数据计算的各项hu矩属性，包括6个绝对正交不变量和1个斜正交不变量,它们既不受位置、大小和方向的影响，也不受平行投影的影响。

6、在步骤2中，在三维地震平面内，选取每点的x、y值作为样本点的坐标，将步骤1中形成的地震波形hu不变矩属性数据做样本点的特征值，生成样本数据集文件。

7、在步骤3中，利用研究区内已知井的测井、录井、岩心这些数据，分析统计各井在目的层段内的岩相分布数据，将其作为该井位置附近的样本数据的标签值对样本进行标注，从而将样本数据集分割成标签样本集和预测样本集。

8、在步骤3中，在分割过程中，除了对井旁样本进行标注外，还对井旁一定范围内的样本进行标注，这个范围是通过指定一个固定的半径参数或者通过专业人员圈定的多边形范围来定义，利用这个范围，扩大标签样本集的容量。

9、在步骤3中，标签值包括目的层段内的岩相分类数据；样本扩充方法，包括通过一个固定的半径参数或者专业人员圈定的多边形范围来进行，或通过高斯噪音、生成对抗网络算法来进行。

10、在步骤4中，基于标签样本集，利用机器学习算法建立地震hu不变矩表征参数与岩相种类及厚度之间的估算模型，同时利用标签数据集的拆分的验证集来评估模型的准确率，最终利用评估合格模型进行未知岩相的智能预测，得到全区的岩相分布数据。

11、在步骤4中，选取多个机器学习算法来对标签样本集进行训练以得到训练模型，这些机器学习算法包括多元线性回归算法、非线性回归算法、岭回归算法、随机森林算法、极限梯度增强算法、支持向量机算法、卷积神经网络算法、循环神经网络算法。

12、在步骤4中，在模型训练过程中将标签样本集分为训练样本集和验证样本集，其中训练样本集用于训练模型，验证样本集用于评估模型是否合格，合格标准根据训练样本的损失函数和验证样本集的吻合率来综合评判。

13、在步骤4中，对于评估不合格的模型，基于所用算法的参数进行自动优化调整参数，通过反复迭代直到模型满足合格标准。

14、本发明针对现有地震岩相预测技术中没有形成一套基于地震剖面构型的智能岩相预测方法，预测结果精确度仍然较低等缺陷，提供一种基于地震波形hu矩的岩相智能预测方法，hu矩具有在平移、旋转、缩放保持不变的特性，能够很好地反映地震剖面构型特性。该方法首先对三维地震数据按目的层提取地震波形hu矩属性，对7种hu矩属性进行分析，并基于若干机器学习算法自动建立岩相分类与地震hu矩属性的估算模型，创新性地引入了人工智能、机器学习等技术原理，大大提高了岩相分类预测的速度和提升了预测结果的精确度，快速高效、可靠实用。

15、本发明基于若干机器学习算法自动建立岩相种类及厚度与地震波形hu不变矩之间的估算模型，大大提高了岩相种类及厚度预测的速度和精度，快速高效、可靠实用。该发明可以在砂砾岩油藏三维勘探中应用，也可以在目标体三维勘探中的应用，解决了油藏岩相识别的难题，对于提高储层岩相预测精度，实现快速有效的勘探具有重要的意义。该岩相智能预测方法通过提取三维地震数据目的层段hu不变矩属性作为表征参数，形成测试样本数据集；利用已知井的岩相分类数据作为标签对井旁一定距离内的地震道样本标注，将上述样本集分为标签样本和预测样本；基于标签样本集，利用若干机器学习算法自动建立地震表征参数与地层岩相之间的估算模型，同时利用从标签数据集拆分出来的验证集来评估模型的准确率，最终利用评估合格模型进行未知地层岩相预测，预测结果具有较高的准确率。该发明解决了岩相识别的难题，对于提高岩相预测精度、实现快速有效的勘探具有重要的意义。