基于3D U-Net++卷积神经网络的断层识别方法及应用

断层解释是地震资料解释的基础与关键,准确合理的断层识别对油气开采有着至关重要的作用。随着油田对断层解释精度需求的日益提高,单纯通过基于人工的如相干体、曲率等属性的传统断层解释方法,其精度已无法满足要求。笔者在U-Net卷积神经网络模型的基础上进行改进,得出了一种自动断层识别方法,能够从任意三维地震图像中自动提取断层。文中该模型在足量样本集训练下,对两区块的实际地震数据进行自动断层识别,将识别结果进行分析对比。实验结果表明,该模型能够对任意三维地震数据进行自动断层识别,基于3D U-Net++网络模型的断层识别结果相比于传统U-Net网络识别结果准确性有明显提高,对潜山内部的小断层识别也表现出良好的效果,明显提高了常规、复杂断层识别的工作效率。

基于剖面渗透率估算全岩心孔喉半径

岩石孔隙喉道是流体流动的通道,是决定储层储渗性能的关键因素。为克服传统方法操作复杂、费用高昂、测量周期长且存在安全隐患等因素。本研究提出一种基于岩心剖面渗透率反距离加权插值法估算全岩心孔喉半径的方法,以油藏岩心和非油藏岩心为实验样品,分别对岩心进行了CT扫描法、扫描电镜法、渗透率插值法求取岩心孔喉半径。经分析验证,此方法计算出的岩心孔喉半径分布规律与CT扫描法和扫描电镜结果相关性达98%,因此可为全岩心孔喉半径测量提供一种新的方法。

基于Marmousi模型的CFS-NPML分数阶粘声波正演模拟

正演模拟作为连接模型和实际地震勘探资料的纽带,对认识复杂介质中地震波传播规律和油气藏开发方案的可行性研究具有十分重要的意义。实际应用中却时常存在边界条件对高角度入射波/掠射波以及瞬逝波吸收效果的不理想等问题,导致虚假反射淹没有效信息,降低模拟数据的信噪比。对此,这里实现了基于Marmousi模型的非分裂复频移完全匹配层(Unsplit complex frequency shifted perfectly matched layer,CFS-NPML)分数阶粘声波正演模拟,结果表明:与完全匹配层(PML)吸收边界条件相比,在接近真实地层情况下CFS-NPML分数阶粘性声波数值正演模拟中更具鲁棒性、可行性、并且能够有效压制虚假反射。