基于特征提取和融合网络的储层含气量预测方法及系统

本发明涉及油气储层预测领域，特别地，涉及一种基于特征提取和融合网络的储层含气量预测方法及系统。

背景技术：

1、天然气是我国紧缺的战略性洁净能源，加大天然气的勘探开发力度是国家能源战略的重要组成部分。储层的含气性检测是天然气勘探的核心，目前大部分储层埋藏较深，地震响应特征微弱，孔隙流体响应微弱，储层与非储层差异微弱，导致天然气储层的含气性检测十分困难。现有的储层含气性检测方法，如亮点分析、avo分析等用于检测浅层储层的含气性可靠性较高，但在深层储层条件下，可靠性很低，基本不适用。基于倒谱变换的地震纹分析方法因其对弱反射敏感，能够发现暗点型气藏，同时因其与模型无关使得我们能够克服诸多建模带来的弊端，实现对深层超深层储层含气性更为可靠的检测。

2、对深层天然气勘探而言，储层含气性检测不只是确定储层是否含气，更期望能确定储层的含气量，这才是决定储层是否具有工业开采价值的关键。要确定储层的含气量，需要分析的是储层的体响应，唯有低频阴影分析方法具有这种可能性。低频阴影是一种体响应，本质是频散，如果我们将其与地震纹分析等方法结合，就有望从储层对地震波的反射与频散中确定储层的含气性并估算其可采储量。

3、深度学习是人工智能领域新近发展的一类机器学习算法。机器学习是利用计算机从数据中自动分析获得规律，并利用获得的规律对未知数据进行预测的算法。在当前难以建立精确储层含气量预测模型的情况下，使用深度学习构建的储层含气量预测模型可实现储层含气量的准确预测。

技术实现思路

1、为解决上述技术问题，本发明的目的在于提供一种基于特征提取和融合网络的储层含气量预测方法及系统。本发明以深度域地震纹分析、低频阴影分析和地层品质因子反演等提取的多参量地震数据特征为基础，利用自注意力机制深度融合网络建立起提取的多参量地震数据特征与储层含气量之间的复杂非线性映射关系，能够有效且准确地预测深层储层的含气量分布，为天然气勘探开发提供可靠的基础。

2、本发明为了实现上述目的，达到上述技术效果，采用如下技术方案：

3、第一方面，本公开实施例提供了一种基于特征提取和融合网络的储层含气量预测方法，所述方法可包括如下步骤：

4、(1)获取研究区测井数据、地震数据和地质信息；

5、(2)对所述获取的测井数据与地震数据进行预处理；

6、(3)综合利用所述地质信息和经预处理的测井数据与地震数据进行地震地质综合层位精细标定；

7、(4)在精细层位标定的基础上进行高精度时深转换，将时间域地震数据转换到深度域；

8、(5)对所述深度域地震数据进行地震纹分析、低频阴影分析和地层品质因子反演等，提取表征储层的地震纹特征、频散特征和地层品质因子等多参量地震数据特征；

9、(6)通过实际观测或正演模拟获取目标数据并结合所述提取的多参量地震数据特征构建数据集；

10、(7)在此基础上，建立自注意力机制深度融合网络储层含气量预测模型并利用所述构建的训练数据集进行模型训练，获得储层含气量预测自注意力机制深度融合网络模型；

11、(8)之后，利用所述构建的测试数据集对所述训练好的储层含气量预测深度融合网络模型进行测试；

12、(9)最后，将目标区实际储层地震响应作为输入预测目标区的储层含气量分布。

13、优选地，步骤(2)所述的对获取测井数据和地震数据进行预处理，包括：对测井数据进行异常值剔除、校正、横向标准化，对地震数据进行道编辑、振幅补偿和叠前偏移等。

14、优选地，步骤(3)所述的综合利用所述地质信息和经预处理的测井数据与地震数据进行地震地质综合层位精细标定的实质是调整时深关系，把时间域的地震信息与深度域的测井信息准确无缝地对应起来，包括：

15、从地震数据中提取地震子波；借助测井数据计算反射系数并和地震子波等褶积获得合成地震记录；综合地质信息找出地震反射和地质层位间的对应关系，先利用整体时移将目标层的地震与合成记录的大套层位对齐，然后再利用局部的拉伸或压缩对小层进行微调。

16、优选地，步骤(4)所述的在精细层位标定的基础上进行高精度时深转换，将时间域地震数据转换到深度域，包括：根据步骤(3)所述建立的时深关系对地震数据进行高精度的时深转换；将地震数据经伸缩变换到深度域；对深度域地震数据进行重采样；获得深度域地震数据。

17、优选地，步骤(5)所述的地震纹分析是我们借鉴声纹分析方法，在引入地震纹概念的基础上研究发展的储层含气性检测方法；基于地震纹分析的储层含气性检测方法因其对弱反射敏感，能够发现暗点型气藏，同时因其与模型无关使得我们能够克服诸多建模带来的弊端，实现对深层超深层储层含气性的可靠检测。

18、优选地，步骤(5)所述的低频阴影指地震剖面上含气层下方出现的低频分量能量的相对增强现象，本质是含气储层对地震波的吸收或衰减具有频散性，反映的是储层的体响应，基于低频阴影的频散分析能够测算储层含气量需要获得储层的体特征信息。

19、优选地，步骤(5)所述的地层品质因子是地层含油气性的重要标志，也是描述岩石弹性的重要参数之一，与介质内部的结构特征和介质的饱和度、孔隙度、渗透率等流体性质都紧密相关，地层品质因子的准确估计可为油气检测等提供众多有用信息。

20、优选地，步骤(6)所述的通过实际观测或正演模拟获取目标数据并结合所述提取的多参量地震数据特征构建数据集，包括：首先根据实际观测或正演模拟获取目标数据；然后以所述获得的目标数据和所述提取的多参量地震数据特征构建数据集；再根据具体需要将构建的数据集划分为训练数据集和测试数据集。

21、优选地，步骤(6)所述的训练数据集包括实际储层地震响应数据或低频岩石物理实验观测数据或两者的混合数据，应视研究区的具体情况合理选择使用。

22、优选地，步骤(7)所述的自注意力机制深度融合网络是结合自注意力机制卷积网络和自注意力机制长短期记忆网络发展的融合网络，其中卷积网络用于提取多参量地震数据特征的局部形态特征，长短期记忆经网络挖掘数据随深度变化的趋势信息，自注意力机制用于提高网络对数据相关特征的关注度，进而提高储层含气量预测的准确性。

23、优选地，步骤(7)所述的自注意力机制是注意力机制的改进，其减少了对外部信息的依赖，更擅长捕捉数据或特征的内部相关性；注意力机制是借鉴了人类视觉系统中的选择性注意的机制，即将注意力集中于视觉范围内中的重要信息，并忽略视觉范围内的非重点信息。从而在复杂的数据信息中筛选出对当前工作目标更有价值更重要的信息，它是一种通用的思想，是一种按照重要程度对资源进行分配的机制。

24、优选地，步骤(8)所述的利用所述构建的测试数据集对所述训练好的储层含气量预测模型进行测试的目的是评价步骤(7)所述建立的自注意力机制深度融合网络模型的性能。

25、优选地，步骤(9)所述的将目标区实际储层地震响应作为输入预测目标区的储层含气量分布，包括：首先对目标区的地震数据经步骤(1)～步骤(5)处理提取目标区深度域多参量地震数据特征；然后将提取的多参量地震数据特征输入到训练好的储层含气量预测深度融合网络模型，获得目标区的储层含气量分布。

26、优选地，步骤(9)所述的储层含气量预测是在深度域进行的，深度域地震资料的空间位置准确性优于时间域地震资料。

27、作为本公开实施例的一种具体实现方式，

28、第二方面，本公开实施例提供了一种基于特征提取和融合网络的储层含气量预测系统，其特征在于，该系统包括处理器和存储器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取研究区测井数据、地震数据和地质信息；对所述获取的测井数据与地震数据进行预处理；综合利用所述地质信息和经预处理的测井数据与地震数据进行地震地质综合层位精细标定；在精细层位标定的基础上进行高精度时深转换，将时间域地震数据转换到深度域；对所述深度域地震数据进行地震纹分析、低频阴影分析和地层品质因子反演等，提取表征储层的地震纹特征、频散特征和地层品质因子等多参量地震数据特征；通过实际观测或正演模拟获取目标数据并结合所述提取的多参量地震数据特征构建数据集；在此基础上，建立自注意力机制深度融合网络储层含气量预测模型并利用所述构建的训练数据集进行模型训练，获得储层含气量预测自注意力机制深度融合网络模型；之后，利用所述构建的测试数据集对所述训练好的储层含气量预测模型进行测试；最后，将目标区实际储层地震响应作为输入预测目标区的储层含气量分布。

29、本发明的有益效果是：本发明以高精度的时深转换为基础，对深度域地震数据进行地震纹分析、低频阴影分析和地层品质因子反演等提取多参量地震数据特征，利用自注意力机制深度融合网络建立的储层含气量预测方法，能够有效且准确地预测深层储层的含气量分布，为天然气勘探开发提供可靠的基础。