一种用于预测小尺度缝洞分布的代理模型构建方法

本发明属于油气勘探，具体涉及一种用于预测小尺度缝洞分布的代理模型构建方法。

背景技术：

1、在石油与天然气工业中，小尺度缝洞是指地下储层中宽度为0.1-1mm的裂缝和直径为1-5mm的溶洞。这些微小的裂隙和孔隙在地下岩石中形成储层，可以储存石油和天然气等烃类流体。小尺度缝洞的形成可能受地质构造、地层压力、岩石类型等多种因素影响。在石油与天然气勘探和开发过程中，小尺度缝洞的识别和预测对于油藏工程的模拟、钻井设计和采油工程的实施具有重要意义。

2、目前，小尺度缝洞的预测主要依赖于地震反射成像、地震属性分析等技术。通过地震勘探技术获取地下反射波数据，并借助地震成像技术对地下结构进行成像，包括可能存在的小尺度缝洞。

3、中国专利申请cn202110528659.4描述了一种利用叠前深度偏移数据获取地层导向体的方法。在此基础上，利用地层导向体作为约束来获取约束下的地层不连续检测体，并对其进行图元像素增强处理。通过处理后的地层不连续性检测体，获得三维地震属性体值，并使用预测阈值来确定断裂发育的程度。该方法可用于定性刻画断控小尺度储集体，通过利用地层导向体检测和不连续性检测来获取表征断裂发育异常的地层不连续检测体，并对其进行图元属性处理以获得成像优化的三维地震属性体值，从而对断控小尺度缝洞体进行表征。

4、中国专利申请cn202010340028.5揭示了一种小尺度缝洞体的量化方法、装置、电子设备及存储介质。该方法包括以下步骤：建立若干小尺度缝洞体模型；对各个小尺度缝洞体模型进行波动方程正演模拟，以获得各个小尺度缝洞体模型的叠前时间域偏移剖面；根据所得叠前时间域偏移剖面，确定各个小尺度缝洞体模型的振幅类属性值；基于所有小尺度缝洞体模型的振幅类属性值、横向尺度和纵向尺度，建立描述小尺度缝洞体的振幅类属性值与横向尺度以及振幅类属性值与纵向尺度的对应关系的量化模型；利用该量化模型，根据待测小尺度缝洞体的振幅类属性值确定其横向尺度和纵向尺度。

5、中国专利申请cn201810863032.2公开了一种在强地震反射界面下突显小尺度缝洞信息的方法。针对受到强反射界面干扰的地震数据，在保证子波稳定的条件下，通过重新构建反射系数生成突显小尺度缝洞信息的地震数据体。可以减弱强反射界面对储层地震信息的掩盖作用，凸显储层地震响应特征。

6、尽管现有技术在提高缝洞储集体的识别精度方面取得了一定进展，但在地震波成像处理中仍存在对小尺度缝洞体的忽略现象。因此，现有方法仍未能有效解决小尺度缝洞储集体识别能力不足、识别数量有限的问题。此外，现有方法的正演模拟需要大量计算资源和时间，对模型的准确性和复杂度要求较高。

技术实现思路

1、针对上述问题，本发明提出了一种用于预测小尺度缝洞分布的代理模型构建方法，本发明建立小尺度缝洞模型，通过人工神经网络增加小尺度缝洞模型数量并形成小尺度缝洞模型与应力应变曲线对应的图版后进行正演模拟预测。本发明基于储层小尺度缝洞模型的应力应变曲线图版来预测其分布范围，刻画不同储层条件下的小尺度缝洞储集体，可以有效地解决很多缝洞储集体被忽略，小尺度缝洞储集体识别能力低，识别数量少的问题。

2、本发明采用以下技术方案：一种用于预测小尺度缝洞分布的代理模型构建方法，其具体步骤为：

3、（1）搜集储层的信息；所述信息包括应力应变曲线和地质信息；所述地质信息包括泊松比、杨氏模量、非均质性和小尺度缝洞信息；所述小尺度缝洞信息包括小尺度缝洞扫描图像。

4、（2）在matlab环境中，构建程序，对小尺度缝洞扫描图像进行边缘检测；程序核心是三种边缘检测算子；这些算子通过特定的公式计算图像中每个像素的梯度值，从而精确地识别出边缘信息，得到识别图像。

5、所述边缘检测算子采用sobel边缘检测算子、prewitt边缘检测算子和roberts边缘检测算子：

6、（2-1）sobel边缘检测算子

7、；

8、（2-2）prewitt边缘检测算子：

9、；

10、（2-3）roberts边缘检测算子：

11、；

12、其中， g(x,y)表示中心像素点(x, y)的梯度值，f(x,y)表示中心像素点的灰度值。和分别表示像素点在 x和 y方向上的灰度值变化率。

13、sobel算子通过计算像素点在水平和垂直方向上的灰度变化率来确定边缘。prewitt算子则同时考虑了水平和垂直方向上的灰度变化率，以增强边缘检测的准确性。roberts算子则进一步考虑了图像的斜方向上的灰度变化率，从而在复杂图像中更有效地检测边缘。

14、通过综合采用三种边缘检测算子的方式，提高对小尺度缝洞图像识别的准确性和稳定性，以避免不必要的误差。精确地标定出缝洞的边缘位置，最终输出为comsol商业软件可导入的格式。

15、将识别图像导入comsol商业软件，得到小尺度缝洞模型，设置不同储层条件参数，对小尺度缝洞模型进行网格划分，并利用comsol软件中的瞬态研究进行数值求解，得到多个小尺度缝洞模型及相应的应力应变曲线；所述的储层条件参数包括泊松比、杨氏模量、材料密度、边界载荷。

16、所述材料密度参数取自研究区域内地层的密度数据，并考虑到地层的非均质性。在确定输入数值时，对地层内部的密度变化进行了分析，选取平均密度作为材料密度参数的输入值。

17、（3-1）；

18、其中，ρavg是平均密度，单位为g/cm³；ρi是第i组分的密度，单位为g/cm³；vi是第i组分的体积，单位为cm³；v是总体积，单位为cm³。

19、所述边界载荷，根据研究区埋藏深度及上覆地层的密度分布情况，考虑了地层的非均质性以及可能存在的地质构造影响，确定了边界载荷的数值。

20、（3-2） ;

21、其中，ρ是密度，单位为 kg/m³；g是重力加速度，单位为 m/s²；z是垂直方向上的深度，单位为 m。

22、（4）采用变分自动编码器将现有的小尺度缝洞模型作为输入层，通过人工神经网络对储层条件以及小尺度缝洞空间信息进行调整，生成大量小尺度缝洞模型，并绘制相应的应力应变曲线。

23、所述的人工神经网络架构为变分自动编码器。

24、所述的空间信息包括缝洞的数量、尺度、缝洞之间的距离、溶洞控制参数和裂缝控制参数。

25、所述的溶洞控制参数包括形状因子和空间关联长度；所述的裂缝控制参数包括走向倾角比和裂缝密度。

26、更进一步的，基于变分自动编码器得到大量小尺度缝洞模型的具体方法如下：

27、（4-1）令 x为输入的comsol模型，z为潜在空间的变量；编码器网络将x映射到潜在空间的均值 μ和方差σ的分布；

28、；

29、其中， q(z| x)是概率密度函数，其单位为概率密度函数的单位，无量纲；z是随机变量，为溶洞控制参数和裂缝控制参数； μ是分布的均值，其单位与随机变量z的单位相同；σ2是分布的方差，其单位是随机变量z的单位的平方；

30、（4-2）解码器网络将变量z映射回 comsol 模型 x的生成分布；

31、；

32、其中， f(z)是解码器网络的输出，表示将潜在变量z转换为 comsol 模型；

33、（4-3）通过最大化 p( x|z)和限制 q(z| x)接近给定的先验分布 p(z)来学习潜在空间的表示；

34、；

35、其中， n(z; 0,1)为正态分布的随机变量，z是均值，标准差为1；

36、（4-4）使用重构误差和 kl散度来定义损失函数，重构误差衡量解码器生成模型与原始 comsol 模型之间的差异， kl散度衡量编码器生成的潜在分布与先验分布之间的差异；

37、；

38、其中， e 表示数学期望， p( x|z) 表示给定潜在变量z的条件下观测数据 x的概率分布。 q(z| x)表示给定观测数据 x的条件下变量z的概率分布， p(z)表示潜在变量z的概率分布。

39、（5）将所有的小尺度缝洞模型模型以及相应的应力应变曲线整合，建立数据库，存储和管理各种模型的数据，包括小尺度缝洞模型参数、计算结果以及相应的应力应变曲线。

40、（6）在进行研究区储层预测时，将采用所需预测储层的应力应变曲线数据，并将其导入数据库中；通过与数据库中已有的曲线进行匹配和拟合，得到与研究区储层最佳拟合效果的曲线。随后，导出数据库中的曲线相应的小尺度缝洞模型。完成对研究区储层中小尺度缝洞的分布范围预测。

41、相较于传统方法，本发明具有以下优点：

42、（1）相较于其他方法通过小尺度缝洞体的地震属性来预测其分布，本发明创新性地将应力应变曲线引入小尺度缝洞预测中，显著提高了预测的准确性。小尺度缝洞的参数，包括数量、方位和形状等微小差异，均会导致应力应变曲线微小的变化。由于储层条件的复杂性和区域性，不同地质条件下的小尺度缝洞预测都面临巨大困难。本发明通过对应力应变曲线的拟合，实现了对缝洞储集体的高精度预测。该方法具有较强的缝洞储集体识别能力和较大的识别数量，且适用于大多数地层，受地质条件影响较小。实现对小尺度缝洞的高精度预测；

43、（2）本发明采用正演模拟预测所需时间较短，基于代理模型的方法，实现对小尺度缝洞的精准刻画；

44、（3）本发明首次将人工神经网络架构下的变分自动编码器与小尺度缝洞预测结合。利用变分自动编码器作为辅助工具来提高模型建立的效率，并减少人工操作的误差对模型预测准确性的影响。本发明不仅节省了建模的时间，而且还提高了模型的预测准确性，为小尺度缝洞预测提供了一种全新的、有效的建模手段。