多属性概率神经网络技术在ML油田岩性油气藏预测中的应用.pdfVIP

石 油 地 质 与 工 程 2013年 5月 PETROLEUM GE0L0GYANDENGINEERING 第 27卷 第 3期 文章编号：1673—8217(2013)03—0050—03 多属性概率神经网络技术在 ML 油 田岩性油气藏预测中的应用 李 密 ，李少华。，王红宾 ，曾胜勇 ，郭士东 (1．中国石化中原油 田普光分公司采气厂 ，四川达州 636155；2．长江大学地球科学学 院) 摘要 ：在 ML油田，由于地震资料品质差、井数据缺乏、开发程度低等原因，采用常规阻抗反演进行油气预测效果不 理想，为此应用多属性概率神经网络技术进行油气预测 。在研究区首先进行多属性分析 ，优选 出振幅包络、泊松 比 等 7种地震属性，建立起地震属性与油气之间的非线性关系；然后对 已钻遇岩性油气藏砂体进行油气预测，将预测 结果和实际测井数据进行对 比说明预测结果真实可靠；最后对潜在的岩性油气藏 目标砂体进行油气预测，得到 目 标砂体的油气分布概率 以及厚度 图，从 而指导油 田岩性油气藏的勘探 与开发。 关键词 ：地震属性；岩性油气藏 ；概 率神 经网络 中图分类号 ：P631．445 文献标识码 ：A 在 ML油 田，研究区面积为600km。，目的层段 证数据库。挑选时深关系好 、目标层段 曲线与地震 为珠江组，地震时窗为 1700～2100ms。由于地震 属性关系明显的测井数据作为训练数据库 ，剩余井 资料品质差 ，井数据缺乏，而且开发程度低 ，所 以常 的测井数据作为验证数据库。使用训练数据库进行 规阻抗反演 、AVO反演进行油气预测效果不理想 。 培训 ，使用验证数据库来度量预测误差时，总验证误 多属性概率神经网络方法与常规反演方法比较具有 差 由各点验证误差求均方根得到。 自身的优点，它采用的多属性技术能综合利用叠前 由于概率神经 网络算法是逐个样点进行计算并 和叠后地震数据的信息 ，采用概率神经网络算法建 对结果进行优选 ，运行时间较长，所 以选择合理的计 立含油气性与地震属性之间复杂 的非线性关系 ，利 算参数尤为重要。 用这种非线性关系对砂体进行油气预测 [1]。 2 应用实例 1 概率神经网络方法 2．1 区域地质概况 ML油 田在 18．5Ma出现一次规模 巨大 的海 1．1 基本原理 侵 ，因此发育了很厚的海侵体系域 ，晚期海侵沉积覆 概率神经网络算法是利用神经网络结构实现的 盖在早期海侵砂体之上，形成 了珠江组的多套油层 ， 数学插值方法，类似于多维空间的格里金插值 ，具有 为形成各类岩性油气藏提供了必要条件 。 高度的容错性 ，即使某个井旁地震参数或某个 网络 根据前人对岩性地层 圈闭认识 ，结合本 区实际 连接有 “缺陷”，也可 以通过 “联想”得到全部或者大 情况 ，研究发现背斜构造翼部和鼻状构造是寻找岩 部分信息_2]。 性地层圈闭的良好场所 。本研究区已经钻遇 4个岩 概率神经网络是基于采样点的算法 ，为了克服 性油气藏砂体 ，这将作为条件数据用于对概率神经 采用单采样点与 目标曲线进行相关时，没有考虑井