利用基于物理驱动的卷积模型的人工智能进行地震沉积学研究及反演的方法
《Frontiers in Earth Science》:Methods for seismic sedimentology and inversion using physics-driven convolutional model-based artificial intelligence
【字体:
大
中
小
】
时间:2025年12月10日
来源:Frontiers in Earth Science
编辑推荐:
地震反演中物理约束与人工智能融合的创新方法,针对复杂冲积-三角洲系统强非均质性和薄层特征,提出多波物理反演与轻量级神经网络的融合策略,显著提升垂直分辨率30%、横向连续性系数>0.85,噪声抑制70%以上,在7.2km2区域验证砂体预测精度>80%。
地震反演是油气勘探中从地震数据恢复地质参数的关键技术,但在复杂冲积-三角洲地质系统中长期面临分辨率低、物理约束不足等难题。本文提出一种融合物理建模与人工智能的新方法,通过多波let反演与神经网络融合机制,有效提升了薄层识别精度和空间连续性,为复杂储层建模提供了创新解决方案。
**核心问题与挑战**
传统反演方法在处理此类地质条件时存在显著局限。基于卷积的方法通常采用固定波let假设,难以适应横向变化的地质特性,导致垂直分辨率不足(约20米)且薄层(<3米)识别困难。地质统计学方法依赖空间平稳性假设,在冲积体系快速沉积相变(如朵体迁移、河道分叉)场景中表现不稳定,常产生断裂连接和几何形态失真的反演结果。纯数据驱动的AI模型虽能捕捉非线性关系,但缺乏物理约束易产生负阻抗等不合理结果,且高度依赖高质量训练数据集。
**技术创新与实施路径**
该研究创新性地构建了"物理约束-数据驱动"的混合反演框架,包含三个关键突破:
1. **多波let反演体系**:针对每个反演目标道,采集周围8-10口井的波let参数(包括振幅、相位和频率特性),通过卷积反演生成多个物理一致的候选反射系数序列。这种空间可变波let机制突破了传统固定波let的频谱限制,将有效带宽扩展15-20Hz,相位误差控制在5°以内。
2. **神经网络融合架构**:采用轻量化CNN网络(深度12层,参数量级<50M)对多波let反演结果进行融合优化。网络输入包含目标道地震数据、邻井波let反演结果(占比60%)、空间坐标(经纬度)及地质约束(如砂体厚度阈值),通过特征提取层(3个卷积层)和融合层(2个全连接层)实现多源数据集成。Adam优化器结合L1正则化(系数0.01)和阈值筛选(δ=0.05),有效抑制噪声并提升结果稳定性。
3. **双向约束机制**:物理层通过卷积运算保证地震波传播的物理一致性,数据层通过损失函数(均方误差)实现反射系数与实际井数据的匹配。这种双约束设计使模型在训练误差(3.4%)与验证误差(4.7%)间保持平衡,同时输出结果满足>80%的砂体预测准确率。
**关键技术突破**
1. **薄层识别能力提升**:通过多波let反演构建0.5-3米级薄层特征库(训练包含1200组薄层实例),结合注意力机制强化小尺度结构提取,垂直分辨率从20米提升至14米(误差<5%),成功识别出传统方法遗漏的1.2-2.5米薄砂层。
2. **空间连续性优化**:开发基于图卷积网络的横向融合模块,输入层整合邻井反演结果(半径500米范围)、地震道属性(振幅、相位、频率)及沉积相概率分布。实验表明,该方法使相邻地震道间的连续性系数从0.6提升至0.85以上,河道朵体延伸长度预测误差<15%。
3. **抗噪与鲁棒性增强**:引入多尺度小波降噪模块(cutoof=40Hz)和物理正则化约束(基于Gibbs现象的波let能量衰减模型),使信噪比提升>30dB。在含盐膏互层(声阻抗差异>5000kg/m2/s)的复杂区域,模型仍能保持>75%的参数恢复精度。
**工程验证与应用效果**
在鄂尔多斯盆地某7.2平方公里冲积-三角洲储层应用中,该技术展现出显著优势:
- **垂直分辨率**:达到14米级(传统方法约20米),成功识别出1.8米厚河道砂体(反演误差<8%)
- **横向连续性**:砂体几何形态与地震相吻合度达92%,河道朵体横向连续长度达800米(较传统方法提升40%)
- **噪声抑制**:有效去除60Hz以上高频噪声(降幅>70%),保持10Hz以下低频成分(降幅<5%)
- **效率提升**:单三维反演耗时从72小时缩短至36小时,GPU显存占用降低55%
**地质应用价值**
该方法在沉积相重构方面取得突破性进展:
1. **河道体系刻画**:识别出3类典型河道形态(曲流河道、辩状河道、网状河道),河道曲率与实测数据吻合度达89%
2. **朵体连接分析**:建立跨井砂体连接度评价模型(公式:Connectivity=Σ|ΔZ/Z_max|×权重系数),成功追踪2.5公里长的水下河道延伸
3. **沉积环境判别**:通过阻抗反演与沉积相概率分布关联,实现冲积-三角洲相划分准确率>85%
**技术局限与改进方向**
当前方法在以下场景仍需优化:
1. **低井密度区域**(<1井/平方公里):需引入迁移学习框架,利用相邻区块的先验知识进行补偿
2. **碳酸盐岩储层**:需调整波let提取算法(当前为EMD-CEEMDAN联合去噪),增加溶蚀孔洞特征识别模块
3. **深水勘探**:需开发多分量地震数据融合模块(当前仅处理常规纵波数据)
该方法已集成到工业级反演软件平台,支持三维体反演(体分辨率15×15×5m)、动态孔隙度预测(误差<8%)及产能预测(误差<12%)。在塔里木盆地某区块应用中,使储层预测准确率从68%提升至83%,单井解释效率提高40%,显著降低后期开发井的勘探风险。
**结论**
该研究证实了物理约束与数据驱动融合的反演范式在复杂储层建模中的有效性。通过构建空间可变波let体系(包含8-10种不同特征波let)与轻量化神经网络架构,在保证物理一致性的前提下,实现了薄层识别精度、空间连续性和噪声抑制能力的协同提升。特别在解决冲积体系快速相变(相变梯度达5°/100米)、薄层频现率(>15%)等难题方面展现出显著优势,为陆相盆地油气勘探提供了新的技术范式。后续研究将重点开发多物理场耦合的反演模型,集成地震、测井、测井多维度数据,进一步提升复杂地质条件下的反演可靠性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号