神經(jīng)網(wǎng)絡法在泌陽凹陷地區(qū)儲層參數(shù)預測中的應用

胡 偉,謝銳杰,連小翠,駱 旋,朱晶晶 油氣資源與勘探技術教育部重點實驗室(長江大學) 長江大學地球物理與石油資源學院,湖北荊州434023

隨著地震勘探技術的深入發(fā)展和勘探工區(qū)復雜性的增大,地球物理工作者希望能直接利用地震波特征參數(shù)進行儲層參數(shù) (孔隙度、砂巖厚度)的預測。地震波特征參數(shù)蘊含著豐富的儲層地質(zhì)信息,運用地震波特征參數(shù)進行儲層橫向預測,是人們認識油氣藏的重要手段[1]。從地震資料中可提取多種不同的地震波特征參數(shù),但影響地震波特征參數(shù)變化的因素十分復雜。因此,需要用一組地震波特征參數(shù)來研究儲層參數(shù)的變化[2]。綜合利用地震波特征參數(shù)作儲層預測的方法較多,但傳統(tǒng)的統(tǒng)計模式識別方法和技術還存在諸多不足,如需求的條件多、應用效果難以把握以及操作復雜等。神經(jīng)網(wǎng)絡理論的出現(xiàn),克服了上述問題。為此,筆者針對泌陽凹陷的地質(zhì)情況,選取了二十多種最敏感的地震波特征參數(shù)利用神經(jīng)網(wǎng)絡方法進行儲層參數(shù)預測。

1 工區(qū)地質(zhì)概況

泌陽凹陷為中新生界斷陷盆地,其主要地層組包括上白堊統(tǒng)至下第三系中始新統(tǒng)的玉皇頂組和大倉房組、上始新統(tǒng)至中漸新統(tǒng)下部的核桃園組、中漸新統(tǒng)上部的廖莊組、上第三系的鳳凰鎮(zhèn)組 (上寺組)及第四系平原組。核桃園組是泌陽凹陷最主要的地層組成單元,凹陷的烴源層及目前所發(fā)現(xiàn)的油氣藏均集中在該地層中。核桃園組自上而下可分為3個地層段,即核一段、核二段和核三段。筆者研究的目的層是核桃園組的核三段地層,其主要含灰黑-深灰色泥巖夾泥質(zhì)白云巖、白云巖和砂巖,頂部夾薄層天然堿和油頁巖及鈣質(zhì)頁巖,厚400～4500m。按照地層超覆與不整合關系,核桃園組又可為4個3級層序,每個層序基本上由湖擴張體系域和萎縮體系域組成,即自下而上為退積型扇三角洲體系、湖相加積或進積型沖積體系和進積型扇三角洲體系沉積。

2 地震波特征參數(shù)概述

地震波特征參數(shù)是表征地震波幾何形態(tài)、動力學、運動學和統(tǒng)計特征的物理量,有著明確的地質(zhì)意義[3],能反映十分豐富的地層信息和油氣信息,因而可以從地震數(shù)據(jù)中提取各種地震波特征參數(shù)用于儲層參數(shù)的預測。地震波特征參數(shù)多達100多種,在不同地區(qū)甚至同一地區(qū)的不同層位的地震波特征參數(shù)不完全相同[4]。針對泌陽凹陷的地質(zhì)情況,選取20多種最敏感的地震波特征參數(shù)進行神經(jīng)網(wǎng)絡的儲層參數(shù)預測。這些地震波特征參數(shù)可分為如下4類:①與頻率有關的特征參數(shù)。該類參數(shù)主要反映地層巖性、厚度變化等。②與能量有關的特征參數(shù)。該類參數(shù)主要反映目標層內(nèi)地層厚度、波阻抗、地層壓力、含流體成分的變化等。③與波形有關的特征參數(shù)。該類參數(shù)主要反映目標層內(nèi)古構造特征、古剝蝕面、沉積層序、沉積過程及其連續(xù)性等。④自回歸系數(shù)。該類參數(shù)可以預測油氣藏的類型及油藏邊界。

3 預測原理

利用地震波特征參數(shù)進行神經(jīng)網(wǎng)絡的儲層參數(shù)預測時,使用的神經(jīng)網(wǎng)絡是一種層狀結構的前饋神經(jīng)網(wǎng)絡即多層感知器,其由輸入層、輸出層、一個或多個中間層組成,每個節(jié)點同一層間的節(jié)點不相連,只與鄰層節(jié)點相連接,多層感知器使用的激活函數(shù)是S形函數(shù)。多層感知器按訓練方法屬于監(jiān)督學習型,多采用誤差反傳播算法 (BP算法),該算法利用梯度搜索技術使估價函數(shù)最小化[5]。網(wǎng)絡訓練時,開始取一些小的隨機數(shù)作為網(wǎng)絡內(nèi)部各個節(jié)點之間連接的權系數(shù)和各個節(jié)點上閾值的初始值,接著輸入訓練樣本數(shù)據(jù),根據(jù)網(wǎng)絡得到輸出結果并計算其與期望輸出的差值,并按照一定的規(guī)則不斷修改節(jié)點內(nèi)部的閾值和節(jié)點間的連接權系數(shù),重復這個過程直至權值收斂,并使估價函數(shù)降至可接收值。

訓練樣本中的第p個輸入,輸出層節(jié)點k與網(wǎng)絡隱層第j個節(jié)點的連接權調(diào)節(jié)值Δpwkj用下式表示:

式中,Opj為節(jié)點j的輸出;η稱學習率;Δpk為誤差項。

如j為輸出層節(jié)點,則:

式中,Opk為節(jié)點的實際輸出;Tpk為期望輸出;netpk為輸入;f′(netpk)為激活函數(shù)對節(jié)點總輸入net的導數(shù)。

如j為隱蔽層節(jié)點,則:

當激活函數(shù) f選用S形函數(shù)時:

對于整個訓練集:

由式(5)可見,權值改變的比例常數(shù)是學習率。學習率越大,則權值改變量越大,網(wǎng)絡收斂速度也越快。但學習率大會產(chǎn)生震蕩,為改變該狀況,可增加一個沖量項,則權值改變量表示為:

式中,α為比例常數(shù);n+1、n分別表示第n+1步和第n步迭代。

4 預測步驟

基于上述原理,應用地震波特征參數(shù)進行儲層參數(shù)預測的主要步驟如下:①地震資料的構造精細解釋。對目的層段的頂、底界面作地震構造精細解釋并提取目的層段間的地震數(shù)據(jù)。②提取地震波特征參數(shù)。通過數(shù)學運算方法對提取的目的層段的地震數(shù)據(jù)作數(shù)學變換,得到在目的層段不同的地震波特征參數(shù)。③神經(jīng)網(wǎng)絡的訓練。設計神經(jīng)網(wǎng)絡的結構,然后將井旁地震波特征參數(shù)和測井、鉆井、試油、地質(zhì)等資料綜合評定的儲層參數(shù)輸入設計的神經(jīng)網(wǎng)絡,由神經(jīng)網(wǎng)絡進行學習,確定神經(jīng)網(wǎng)絡內(nèi)部各個節(jié)點之間連接的權系數(shù)和節(jié)點上的閥值。④對儲層參數(shù)進行預測。完成神經(jīng)網(wǎng)絡訓練后,將目的層地震波特征參數(shù)按地震道逐道輸入,神經(jīng)網(wǎng)絡根據(jù)訓練時 “學習到的知識”對輸入地震道進行分析,輸出地震道處的儲層孔隙度和砂巖厚度。最后,可以根據(jù)得到的孔隙度和砂巖厚度繪制儲層孔隙度和砂巖厚度的平面分布圖。應用地震資料進行儲層參數(shù)預測的基本過程如圖1所示。

5 應用實例

通過對泌陽凹陷地區(qū)疊前及疊后的油氣預測和控制因素分析,確定H32、H33、H34油層作為重點研究的目的層。在精確儲層標定及精細層位解釋基礎上,在泌陽凹陷地區(qū)追蹤了目的層位,沿層開時窗,選取的時窗為目的層位的頂和底界面的時間長度,然后提取前面所述的20多種特征參數(shù),形成特征參數(shù)空間。選用了2口井作為學習樣本,其中B198井是儲層發(fā)育和含油氣性較好的井,作為油層樣本;而B188井是儲層發(fā)育較差、不含油氣的井,作為干層樣本。將井旁地震波特征參數(shù)和儲層參數(shù)輸入設計的神經(jīng)網(wǎng)絡進行學習,將目的層地震波特征參數(shù)逐道輸入,神經(jīng)網(wǎng)絡根據(jù)訓練時 “學習到的知識”對輸入地震道進行分析,得到預測結果并且繪制成人工神經(jīng)網(wǎng)絡預測平面圖。

圖1 神經(jīng)網(wǎng)絡法儲層參數(shù)預測框圖

泌陽凹陷核三段3個砂組的儲層參數(shù)共用6口井參加預測并檢驗分析,得到孔隙度和砂巖厚度的預測結果如表1所示。從表1可以看出,孔隙度與砂巖厚度預測值與實測值的相對誤差大部分都在20%以內(nèi),有少數(shù)樣本的預測結果相對誤差比較大,其原因可能是由于實測值過大或過小所導致,但從總體上看利用神經(jīng)網(wǎng)絡方法預測儲層參數(shù)是可行的。

表1 預測結果及誤差分析

6 結 語

在精細層位解釋基礎上,沿層選擇合適的時窗,提取與儲層參數(shù)關系密切的多種地震波特征參數(shù),設計合理的網(wǎng)絡結構,通過神經(jīng)網(wǎng)絡的訓練和分析對儲層參數(shù)進行預測。通過對泌陽凹陷核三段3個砂組的儲層參數(shù)的預測,表明神經(jīng)網(wǎng)絡法是一種有效的儲層預測技術。

[1]賀振華,黃德濟.復雜油氣藏地震波場特征方法理論及應用[M].成都:四川科技出版社,1999.

[2]杜麗筠,吳志強.多地震屬性優(yōu)化的神經(jīng)網(wǎng)絡技術在鄂爾多斯盆地高阻抗砂巖儲層預測中的應用 [J].海洋地質(zhì)動態(tài),2010,26(10):45-49.

[3]朱廣生.地震資料儲層預測方法[M].北京:石油工業(yè)出版社,1995.

[4]陳翠蘭.用于儲層預測和監(jiān)測的地震屬性技術 [J].國外油氣勘探,1998,10(2):220-230.

[5]史忠科.神經(jīng)網(wǎng)絡控制理論 [M].西安:西北工業(yè)大學出版社,1997.