基于深度学习的三维河道识别及刻画

【摘要】：河流相储层是陆相盆地重要的储层类型及油气聚集成藏的有利场所。通常利用地震属性分析、分频解释及地层切片等技术实现河道砂体的识别及刻画。随着勘探程度的不断深入,河道砂体储层整体特征表现为厚度薄、规模小、多期叠置且岩性致密,利用常规技术难以实现单河道相带储层空间精细刻画及定量描述。针对目前河道刻画存在的难点,本文以四川盆地陆相中侏罗系复杂叠置河道为例,提出一种基于深度学习的河道自动识别及三维刻画方法:以属性切片反映的河道宏观展布趋势为引导制作数据集,阻抗反演及井点微相为质控,利用编码-解码深度神经网络对河道特征进行识别及精细刻画,高效实现河道的自动识别;此外,将河道识别结果与地震数据进行融合,形成基于振幅异常的河道识别和雕刻技术并实现复杂叠置河道的精细刻画,从而提高河道识别效率及精度,为陆相致密砂岩储层的勘探提供技术支撑。