超深层断缝带岩溶缝洞体储层结构分析与智能预测

摘要

塔里木盆地超深层断缝带岩溶缝洞体储层主要集中于断裂带附近，垂向深度大、水平宽度小，对储层识别精度要求高。常规缝洞体识别主要针对其振幅响应特征采取各种技术手段，只能提供储层走向和储集体大致范围。本文提出一种基于二维Res-UNet残差网络和标签数据优化相结合的断缝带缝洞储集体精细解释方法，通过提高二维训练样本更新频率和优化效率，修改Res-UNet残差网络结构，达到提高储层预测精度的目的。本次研究中，将卫星图像、无人机扫描、现场踏勘和地质雷达等信息与地震资料初步解释成果相结合，明确了断裂、裂缝和锥形溶洞为主的地质模型。通过深度域三维地震数据体子波分析、成像测井、声波测井等提取地层和储层速度，选择20、25和35 Hz共3个主频雷克子波，制作了不同储层宽度正演模型，拟合出基于频率和地层速度的储层宽度与其地震响应之间的关系经验公式，通过钻穿储层的水平井轨迹、直井远探测数据和测井数据等，提取实际资料中的储层宽度与地震响应关系完成验证。基于这一公式，结合研究区目的层振幅属性，提取目的层的储集体宽度范围。同时，根据三维地震剖面分析，得出研究区储集体组合特征，通过分析、设计、验证和重新设计等试验流程，针对研究区正演模型设计最优的子波、偏移孔径和采样间隔等参数。建立起可实时更新的二维训练样本库，并利用合成缝洞数据和实际缝洞数据相结合的方法对缝洞标签进行迭代优化。基于这一样本库，开展二维Res-UNet残差网络训练与预测，解决深层网络的退化问题，最终实现了缝洞体结构的精细预测。

关键词

塔里木盆地 / 超深断控岩溶缝洞储层 / 深度学习 / 残差网络 / 样本库优化