基于深度學(xué)習(xí)的裂縫預(yù)測(cè)在S區(qū)潛山碳酸鹽巖儲(chǔ)層中的應(yīng)用

丁 燕,杜啟振,Qamar Yasin,張 強(qiáng),4,劉力輝

(1.中國石油大學(xué)(華東)深層油氣重點(diǎn)實(shí)驗(yàn)室,山東青島266580;2.青島海洋科學(xué)與技術(shù)試點(diǎn)國家實(shí)驗(yàn)室海洋礦產(chǎn)資源評(píng)價(jià)與探測(cè)技術(shù)功能實(shí)驗(yàn)室,山東青島266237;3.中國石油大學(xué)CNPC物探重點(diǎn)實(shí)驗(yàn)室,山東青島266580;4.中國石油化工股份有限公司勝利油田分公司勘探開發(fā)研究院,山東東營257015;5.北京諾克斯達(dá)石油科技有限公司,北京100000)

裂縫型潛山油藏是當(dāng)今我國油氣勘探開發(fā)的重點(diǎn)目標(biāo)之一,其研究熱點(diǎn)由成藏條件及規(guī)律、儲(chǔ)層裂縫描述等向潛山內(nèi)幕裂縫儲(chǔ)集空間預(yù)測(cè)延伸。潛山內(nèi)幕裂縫發(fā)育段具有非均質(zhì)性強(qiáng)、橫向可比性較差的特點(diǎn),加之埋藏較深,導(dǎo)致地震資料品質(zhì)較差,因此裂縫型潛山油藏的地震預(yù)測(cè)有很大難度[1]。

地震反演是裂縫型潛山油藏儲(chǔ)層預(yù)測(cè)的一項(xiàng)重要技術(shù),主要包括稀疏脈沖反演、測(cè)井約束反演、隨機(jī)地震反演和機(jī)器學(xué)習(xí)非線性反演等方法[2-3]。稀疏脈沖反演是地震主頻控制下求得稀疏脈沖模型所代表的地下波阻抗的反演,由于潛山地震資料品質(zhì)較差,地震資料有效帶寬的低頻和高頻不能被充分利用,導(dǎo)致該方法分辨率不足,難以有效刻畫潛山內(nèi)幕特征;測(cè)井約束反演通過測(cè)井資料豐富的低頻、高頻信息,采用非線性方法直接反演波阻抗,由于初始模型受地質(zhì)構(gòu)造解釋模型和井點(diǎn)波阻抗三維插值模型精度的影響,該方法難以適用于復(fù)雜的潛山類型;隨機(jī)地震反演通過建立波阻抗與測(cè)井彈性參數(shù)之間的協(xié)同反演方程,結(jié)合序貫?zāi)M與地震波阻抗反演方法實(shí)現(xiàn)隨機(jī)反演,該方法在勘探開發(fā)程度較高的地區(qū),可以精確描述地下儲(chǔ)層特征,由于裂縫型潛山油藏勘探程度相對(duì)較低,井分布不均勻,因此反演結(jié)果橫向分辨率不高,隨機(jī)性強(qiáng),適用性較差;機(jī)器學(xué)習(xí)非線性反演[4-6]通過建立已知井的敏感曲線和井旁地震數(shù)據(jù)的非線性映射,充分利用地震資料中的低、中、高頻帶信息,由點(diǎn)到面逐道外推,最后反演得到三維工區(qū)的敏感性測(cè)井參數(shù),以解決儲(chǔ)層特征空間展布預(yù)測(cè)的問題。不同于稀疏脈沖反演、測(cè)井約束反演和隨機(jī)地震反演對(duì)地震子波和初始波阻抗模型的依賴,機(jī)器學(xué)習(xí)非線性反演避免了地震子波和井插值建模精度的影響,增加了地震反演外推的穩(wěn)定性,能得到高分辨率的測(cè)井參數(shù)。

目前機(jī)器學(xué)習(xí)方法主要包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等[7],學(xué)習(xí)效果佳,但具有計(jì)算不穩(wěn)定、易陷入局部最小、多次實(shí)現(xiàn)結(jié)果相差大的缺陷。近幾年,深度學(xué)習(xí)的概念被提出,其主流的方法包括卷積神經(jīng)網(wǎng)絡(luò)(convolution neutral network,CNN)、深度信念網(wǎng)絡(luò)(deep belief network,DBN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural networks,RNN)等[8]。卷積神經(jīng)網(wǎng)絡(luò)主要用于圖像處理,需要大量的有標(biāo)注的樣本進(jìn)行有監(jiān)督訓(xùn)練。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種基于時(shí)間序列的前饋神經(jīng)網(wǎng)絡(luò),在自然語言處理方面得到廣泛應(yīng)用,其監(jiān)督訓(xùn)練仍然需要大量有標(biāo)注的樣本信息。深度信念網(wǎng)絡(luò)(DBN)是一種半監(jiān)督生成模型[9],它結(jié)合了無監(jiān)督和有監(jiān)督兩種方式,分兩步進(jìn)行訓(xùn)練。該方法通過無監(jiān)督的方式訓(xùn)練其神經(jīng)元間的權(quán)重,整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率生成數(shù)據(jù),形成聚類信息,然后使用反向傳播來指導(dǎo)DBN網(wǎng)絡(luò)進(jìn)行微調(diào),即有監(jiān)督地進(jìn)行調(diào)優(yōu),賦予DBN網(wǎng)絡(luò)具體類別信息,最終建立樣本特征與樣本類別之間的聯(lián)合概率分布。深度信念網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力,可以用較少的參數(shù)表示復(fù)雜的函數(shù)關(guān)系,利用該方法進(jìn)行儲(chǔ)層非線性反演可提高預(yù)測(cè)結(jié)果的準(zhǔn)確性。

深度學(xué)習(xí)非線性反演準(zhǔn)確預(yù)測(cè)裂縫型潛山油藏的關(guān)鍵在于建立井上高敏感性參數(shù)的樣本集。利用常規(guī)測(cè)井資料識(shí)別裂縫是行之有效的方法,雙側(cè)向電阻率、聲波時(shí)差、密度和雙井徑測(cè)井可用來識(shí)別裂縫,但由于潛山內(nèi)幕油藏裂縫發(fā)育段具有非均質(zhì)性強(qiáng)、橫向可比性較差等特征,裂縫識(shí)別存在一定的多解性。成像測(cè)井為裂縫識(shí)別提供準(zhǔn)確的井周圍圖像資料,由于高昂的成本,其應(yīng)用不如常規(guī)測(cè)井方法廣泛。裂縫識(shí)別參數(shù)是表征裂縫發(fā)育的常規(guī)測(cè)井綜合響應(yīng)特征曲線,YASIN等[10]基于常規(guī)測(cè)井曲線發(fā)展了一種裂縫識(shí)別參數(shù)——FIC模型,用來綜合評(píng)價(jià)裂縫帶、裂縫密度和裂縫開度,但FIC模型只能識(shí)別井周圍有限區(qū)域的裂縫分布。

本文基于YASIN等[10]的研究工作,利用伽馬曲線、井徑曲線、電阻率曲線、聲波時(shí)差曲線和密度曲線計(jì)算碳酸鹽巖敏感性裂縫識(shí)別參數(shù)FICc;通過深度信念網(wǎng)絡(luò)建立井旁地震數(shù)據(jù)和多井FICc之間的非線性映射關(guān)系;然后將網(wǎng)絡(luò)模型的非線性映射關(guān)系應(yīng)用到整個(gè)研究區(qū)反演出裂縫識(shí)別參數(shù)FICc,以達(dá)到裂縫空間預(yù)測(cè)的目的。

1 深度學(xué)習(xí)非線性反演方法

采用深度信念網(wǎng)絡(luò)(DBN)進(jìn)行裂縫識(shí)別參數(shù)非線性反演。深度信念網(wǎng)絡(luò)是由若干層受限波爾茲曼機(jī)(RBM)組成,網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。若輸入層有n個(gè)神經(jīng)元,隱含層有m個(gè)神經(jīng)元,RBM的能量函數(shù)定義為:

(1)

其中,v=(v1,v2,…,vn)為輸入層,h=(h1,h2,…,hm)為隱含層,θ={ai,bj,wij}為構(gòu)成RBM的參數(shù),ai為輸入層第i個(gè)神經(jīng)元的偏置量,bj為隱含層第j個(gè)神經(jīng)元的偏置量,wij為輸入層與隱含層之間的連接權(quán)值?；谀芰亢瘮?shù)的聯(lián)合概率分布為:

(2)

式中:z(θ)=∑e-E(v,h|θ),為配分函數(shù),主要起歸一化作用。RBM的學(xué)習(xí)過程是對(duì)參數(shù)ai,bj和wij進(jìn)行計(jì)算,依靠誤差反向傳遞,采用梯度下降法進(jìn)行模型優(yōu)化。

基于深度信念網(wǎng)絡(luò)的裂縫識(shí)別方法主要由樣本集構(gòu)建、模型訓(xùn)練和模型應(yīng)用3個(gè)階段組成,其中樣本集構(gòu)建是深度學(xué)習(xí)非線性反演準(zhǔn)確預(yù)測(cè)裂縫型潛山油藏的關(guān)鍵。本文根據(jù)YASIN等提出的裂縫識(shí)別參數(shù)FIC模型((3)式),利用歸一化的伽馬曲線、井徑曲線、電阻率曲線、聲波時(shí)差曲線和密度曲線計(jì)算裂縫識(shí)別參數(shù)構(gòu)建樣本集,裂縫識(shí)別參數(shù)計(jì)算公式為:

圖1 深度信念網(wǎng)絡(luò)結(jié)構(gòu)

FICc=An+Bn+Cn+Dn+En

(3)

深度信念網(wǎng)絡(luò)裂縫識(shí)別非線性反演的具體流程如圖2所示,主要實(shí)現(xiàn)步驟為:

1) 樣本集構(gòu)建。計(jì)算的裂縫識(shí)別參數(shù),按均勻采樣的方式依照比例劃分為訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù)[7]。其中,訓(xùn)練數(shù)據(jù)用于構(gòu)建模型;驗(yàn)證數(shù)據(jù)用于訓(xùn)練模型,并在訓(xùn)練過程中多次使用以優(yōu)化模型構(gòu)建;模型的準(zhǔn)確率用測(cè)試數(shù)據(jù)進(jìn)行評(píng)價(jià)。

2) 模型訓(xùn)練。將分頻地震數(shù)據(jù)作為輸入,多井裂縫識(shí)別參數(shù)作為學(xué)習(xí)目標(biāo),即“標(biāo)簽”。利用深度信念網(wǎng)絡(luò),從分頻數(shù)據(jù)出發(fā),先在網(wǎng)絡(luò)底層開始訓(xùn)練數(shù)據(jù),逐層的將數(shù)據(jù)進(jìn)行抽象表征,直到網(wǎng)絡(luò)頂部,這是無監(jiān)督的訓(xùn)練過程;然后從裂縫識(shí)別參數(shù)FICc曲線出發(fā),將誤差逐步以反向傳播的形式從網(wǎng)絡(luò)頂部傳遞至底部,逐層對(duì)網(wǎng)絡(luò)進(jìn)行調(diào)優(yōu),最終建立兩者之間關(guān)系的模型。最后進(jìn)行質(zhì)量監(jiān)控,進(jìn)一步根據(jù)誤差調(diào)整模型,獲得最優(yōu)網(wǎng)絡(luò)。

3) 模型應(yīng)用。將訓(xùn)練的最優(yōu)網(wǎng)絡(luò)模型應(yīng)用到全工區(qū),對(duì)該工區(qū)的裂縫分布進(jìn)行預(yù)測(cè)。

圖2 深度學(xué)習(xí)計(jì)算裂縫識(shí)別參數(shù)(FICc)的流程

2 實(shí)例與效果分析

2.1 地質(zhì)概況

S區(qū)潛山構(gòu)造位于渤南低凸起西部,是受斷層控制的地壘潛山構(gòu)造,由于受構(gòu)造運(yùn)動(dòng)、風(fēng)化剝蝕和巖性等多種地質(zhì)因素影響,具有構(gòu)造復(fù)雜、儲(chǔ)層橫向變化大、非均質(zhì)性強(qiáng)的特征。S區(qū)內(nèi)主要發(fā)育了兩條潛山邊界張性正斷層,即A0西斷層和A1東斷層,同時(shí)區(qū)內(nèi)發(fā)育了3條較大的北東向斷層,即A6北斷層,A6南斷層和A2北斷層,這5條斷層基本控制了S區(qū)地壘潛山構(gòu)造(圖3)。根據(jù)井點(diǎn)裂縫參數(shù)研究結(jié)果,認(rèn)為該區(qū)主要發(fā)育構(gòu)造裂縫,裂縫走向主要為北西、北東和近東西向3組,與本區(qū)斷層走向基本一致[11-12]。

S區(qū)潛山主要含油層系為古生界和太古界潛山,在中生界潛山、新近系和古近系地層也見到油氣顯示,是次要含油氣層系。本文研究的重點(diǎn)為古生界儲(chǔ)層,古生界為下古生界海相碳酸鹽巖,主要由脆性的白云巖、灰?guī)r等組成。圖4為S區(qū)潛山古生界波阻抗與密度交會(huì)圖。由圖4可見,白云巖、灰?guī)r等巖性的波阻抗數(shù)值很接近,難以有效區(qū)分,依賴模型的波阻抗反演的適用性受到一定限制。因此,合理、準(zhǔn)確描述本區(qū)裂縫發(fā)育和分布規(guī)律,確定裂縫分布范圍是本區(qū)裂縫預(yù)測(cè)的重點(diǎn)。

圖3 S區(qū)潛山古生界頂面構(gòu)造圖及裂縫走向玫瑰圖

圖4 S區(qū)潛山古生界波阻抗與密度交會(huì)分析結(jié)果

2.2 效果分析

優(yōu)選本區(qū)6口井計(jì)算裂縫識(shí)別參數(shù)FICc,圖5為本區(qū)A3井的解釋結(jié)果。由圖5可見,研究區(qū)3860～3900m、3950～4000m和4110～4210m深度段為裂縫發(fā)育段。在常規(guī)測(cè)井曲線上具有低伽馬(第3道)、低電阻率(第4道)、高孔隙度(第5道)、聲波時(shí)差值增大(第6道)、密度下降(第6道)和高含氣飽和度(第7道)等特征。PEREZ等[13]的研究表明,楊氏模量高值,泊松比低值的區(qū)域是巖石破裂最發(fā)育的區(qū)域,易形成裂縫。計(jì)算的楊氏模量E(第8道)在裂縫發(fā)育段為高值異常,泊松比(第8道)在裂縫發(fā)育段為低值異常。計(jì)算的裂縫識(shí)別參數(shù)FICc(第9道)在對(duì)應(yīng)的裂縫發(fā)育段為高值異常。對(duì)FICc曲線,每隔100m統(tǒng)計(jì)曲線峰值的個(gè)數(shù),用于表示裂縫條數(shù),統(tǒng)計(jì)的裂縫條數(shù)每100m大于10條(第10道)。將統(tǒng)計(jì)的裂縫條數(shù)與成像測(cè)井(第11道)統(tǒng)計(jì)的裂縫條數(shù)(第12道)進(jìn)行對(duì)比,結(jié)果具有較好的一致性。

圖5 A3井的解釋結(jié)果

YASIN等[10]研究表明,通常泊松比為0.15～0.20,楊氏模量為20～42GPa時(shí),巖石更容易破裂產(chǎn)生裂縫。如圖6a所示,將每米裂縫發(fā)育的條數(shù)與泊松比和楊氏模量進(jìn)行交會(huì),每米裂縫發(fā)育條數(shù)高的數(shù)值均落在泊松比0.15～0.20、楊氏模量20～42GPa的區(qū)間。本文基于每米裂縫發(fā)育條數(shù)數(shù)值落在的泊松比和楊氏模量的區(qū)間,將裂縫分為3個(gè)發(fā)育區(qū)間,如圖6b所示,分別為裂縫發(fā)育(紅色圈所示,泊松比小于0.25,楊氏模量小于40GPa)、裂縫欠發(fā)育(黃色圈所示,泊松比為0.25～0.30,楊氏模量為40～60GPa)、裂縫不發(fā)育(藍(lán)色圈所示,泊松比大于0.3,楊氏模量大于60GPa)。將裂縫識(shí)別參數(shù)FICc與泊松比和楊氏模量進(jìn)行交會(huì)(圖6b),可以看出,高FICc值均落在劃分的裂縫發(fā)育區(qū)間,低FICc值落在劃分的裂縫發(fā)育較少或不發(fā)育的區(qū)間。因此,可將計(jì)算的裂縫識(shí)別參數(shù)FICc作為學(xué)習(xí)目標(biāo)樣本進(jìn)行深度學(xué)習(xí)非線性反演。為提高裂縫預(yù)測(cè)的精度,對(duì)本區(qū)某地震剖面進(jìn)行了構(gòu)造導(dǎo)向?yàn)V波處理(圖7),處理后的結(jié)果如圖7b所示,由圖7b可見,處理后的地震剖面信噪比得到較好的改善。

圖6 泊松比、楊氏模量與裂縫密度(a)和裂縫識(shí)別參數(shù)FICc(b)交會(huì)分析結(jié)果

圖7 構(gòu)造導(dǎo)向?yàn)V波處理前(a)、后(b)地震剖面

將濾波后的地震數(shù)據(jù)及10,20,40,60Hz分頻地震數(shù)據(jù)作為輸入,將6口井FICc曲線作為學(xué)習(xí)目標(biāo)樣本,利用圖2所示流程進(jìn)行深度網(wǎng)絡(luò)模型的訓(xùn)練。表1展示了訓(xùn)練樣本集(共1241個(gè)樣本)中部分樣本特征和學(xué)習(xí)值。其中,D1代表井旁地震數(shù)據(jù),D2代表10Hz分頻地震數(shù)據(jù),D3代表20Hz分頻地震數(shù)據(jù),D4代表40Hz分頻地震數(shù)據(jù),D5代表60Hz分頻地震數(shù)據(jù)。圖8為訓(xùn)練的最優(yōu)網(wǎng)絡(luò)模型對(duì)310個(gè)測(cè)試樣本預(yù)測(cè)的FICc曲線(紅色)與井上計(jì)算的FICc曲線(藍(lán)色)對(duì)比圖。由圖8可見,平均預(yù)測(cè)精度達(dá)0.85,吻合度較高。因此,訓(xùn)練的最優(yōu)網(wǎng)絡(luò)模型可應(yīng)用于全工區(qū)的裂縫分布預(yù)測(cè)。

表1 深度學(xué)習(xí)訓(xùn)練樣本及學(xué)習(xí)結(jié)果(部分)

圖8 預(yù)測(cè)的FICc曲線與井上計(jì)算的FICc曲線

圖9給出了深度學(xué)習(xí)FICc預(yù)測(cè)結(jié)果。圖中井旁曲線為FICc曲線,井旁紅色方柱為試油結(jié)果,圖中從左到右3口井分別為A1井、A3井和A4井。A1井在古生界頂3525.9～3550.4m,產(chǎn)油145.1t/d,產(chǎn)氣2674m3/d,不含水。從過A1井裂縫預(yù)測(cè)剖面看,在A1井古生界潛山的山頭2600～2615ms位置存在高強(qiáng)度的裂縫發(fā)育區(qū)(紅色代表高異常)。A3井在古生界頂3759.67～3893.01m,產(chǎn)油178t/d,產(chǎn)氣14826m3/d,不含水,在裂縫預(yù)測(cè)剖面2790～2835ms位置存在紅色高異常裂縫發(fā)育區(qū)。A4井在4169.30～4446.70m,產(chǎn)油112t/d,產(chǎn)氣42717m3/d,不含水,在裂縫預(yù)測(cè)剖面2997～3086ms位置同樣存在紅色高異常裂縫發(fā)育區(qū)。試油結(jié)果與FICc反演結(jié)果十分吻合,說明井點(diǎn)外推效果較好。

圖9 深度學(xué)習(xí)反演結(jié)果

為進(jìn)一步分析裂縫的平面展布特征,提取了古生界頂面向下10ms的FICc切片,如圖10所示。FICc值大于1.3時(shí)被認(rèn)為是裂縫發(fā)育。從圖10可以看到,裂縫所在位置均表現(xiàn)為高FICc值,沿?cái)鄬臃植?。S區(qū)構(gòu)造形態(tài)是北東走向的背斜構(gòu)造,西部高,東部低,在褶皺構(gòu)造附近,如A1井西南部、A2井以東、A4井、A5井裂縫較為發(fā)育。熵屬性[14]可用于衡量紋理(裂縫)的清晰度,紋理越清晰,熵值越高,如圖11所示,熵屬性大于800的高值區(qū)域,代表裂縫可能的發(fā)育區(qū)。裂縫所在位置沿?cái)嗔褞С时睎|方向帶狀分布,其中A0井、A1井、A2井以東、A3井、A4井、A5井為高熵值區(qū)域,與FICc裂縫預(yù)測(cè)平面展布結(jié)果基本一致。表2是統(tǒng)計(jì)的古生界頂FICc高值異常與井的產(chǎn)油氣情況對(duì)應(yīng)關(guān)系表。如果產(chǎn)油氣層井段裂縫發(fā)育對(duì)應(yīng)高FICc值異常,說明吻合,反之認(rèn)為不吻合,兩者的吻合率進(jìn)一步驗(yàn)證了本文方法的可靠性。由統(tǒng)計(jì)結(jié)果可知,除A6井、A7井不吻合外,其余5口井均吻合,吻合率達(dá)71%。本文方法較客觀地反映了裂縫發(fā)育帶在橫向的變化,裂縫發(fā)育區(qū)主要集中在潛山翼部及構(gòu)造轉(zhuǎn)折部位,呈帶狀沿?cái)鄬哟竺娣e發(fā)育。

表2 古生界頂FICc高值異常與井是否在油氣層段吻合統(tǒng)計(jì)

圖10 古生界頂面向下10ms的FICc切片

圖11 古生界頂面向下10ms的結(jié)構(gòu)熵屬性

3 結(jié)論

裂縫識(shí)別參數(shù)FICc是對(duì)裂縫發(fā)育段進(jìn)行預(yù)測(cè)的敏感性參數(shù),高FICc值對(duì)應(yīng)高裂縫發(fā)育區(qū),低FICc值對(duì)應(yīng)裂縫發(fā)育較少或不發(fā)育區(qū);基于裂縫識(shí)別參數(shù)FICc統(tǒng)計(jì)的裂縫條數(shù)與成像測(cè)井統(tǒng)計(jì)的條數(shù)基本吻合。因此,裂縫識(shí)別參數(shù)FICc在S區(qū)裂縫預(yù)測(cè)中具有較高的可靠性。

以裂縫識(shí)別參數(shù)FICc為學(xué)習(xí)目標(biāo)樣本的深度信念網(wǎng)絡(luò)反演,反演結(jié)果與井點(diǎn)實(shí)鉆結(jié)果吻合率達(dá)71%,裂縫發(fā)育區(qū)主要集中在潛山翼部及構(gòu)造轉(zhuǎn)折部位,呈帶狀沿?cái)鄬哟竺娣e分布,與熵屬性刻畫的裂縫發(fā)育帶一致性較好,較客觀地反映了裂縫發(fā)育帶橫向變化。因此,基于深度信念網(wǎng)絡(luò)反演的方法較適用于S區(qū)裂縫預(yù)測(cè),為裂縫型潛山油藏裂縫預(yù)測(cè)提供了一定的理論和實(shí)踐基礎(chǔ)。