储层渗透性多任务智能地震预测方法.pdfVIP

第

64

卷第

4

期石油物探Vol.64

No.4

2025

年

7

月GEOPHYSICALPROSPECTINGFORPETROLEUMJul.

2025

魏乐乐，甘利灯，杨昊，等.储层渗透性多任务智能地震预测方法[J].石油物探，2025，64(4)：727-735

WEI

Lele，GAN

Lideng，YANG

Hao，et

al.Multi-task

learning-based

intelligent

seismic

prediction

of

reservoir

permeability[J].Geophysical

Prospecting

for

Petroleum，2025，64(4)：727-735

储层渗透性多任务智能地震预测方法

魏乐乐，甘利灯，杨昊，张明，戴晓峰，李新豫，杜文辉，郝钢

(中国石油勘探开发研究院，北京

100083)

摘要：大量数据统计结果表明，孔隙度与渗透率之间的关系密切，但传统基于孔隙度−渗透率经验公式预测的渗透率误差较大，难

以满足复杂储层的渗透性预测需求。为此，利用人工智能可以挖掘数据隐含关系的优势，借助多任务学习共享机制有效缓解单任

务学习在小样本条件下的过拟合问题，提出了一种基于多任务学习的储层渗透性地震预测方法。该方法以叠后地震数据和纵波

阻抗数据为网络的输入数据，将测井孔隙度和渗透率作为网络的标签数据，通过网络训练构建井旁道地震数据与测井数据的网络

模型，实现井间储层孔隙度与渗透率的同步预测。应用该方法对四川盆地金秋气田沙溪庙组致密气藏8号砂体的渗透性进行了

预测，预测结果与实钻井数据吻合程度高，且具有较高的纵、横向分辨率，验证了方法的有效性。

关键词：渗透率；多任务学习；残差网络；叠后地震数据；纵波阻抗；孔隙度

中图分类号：TE;

P631文献标识码：A

文章编号：1000-1441(2025)04-0727-09DOI：10.12431/issn.1000-1441.2024.0285

Multi-tasklearning-basedintelligentseismicpredictionof

.

reservoirpermeability

WEI

Lele，GAN

Lideng，YANG

Hao，ZHANG

Ming，DAI

Xiaofeng，LI

Xinyu，DU

Wenhui，HAO

Gang

(ResearchInstituteofPetroleumExplorationDevelopment，PetroChina，Beijing100083，China)

Abstract：A

large

amount

of

sta