利用先驗(yàn)信息約束的深度學(xué)習(xí)方法定量預(yù)測(cè)致密砂巖“甜點(diǎn)”

王迪,張益明，張繁昌，丁繼才，牛聰

(1.中海油研究總院有限責(zé)任公司，北京 100028； 2.海洋油氣勘探國(guó)家工程研究中心，北京 100028；3.中國(guó)石油大學(xué)(華東)地球科學(xué)與技術(shù)學(xué)院，山東青島 266580)

0 引言

隨著石油工業(yè)的不斷發(fā)展，非常規(guī)油氣已成為當(dāng)今世界油氣勘探的新熱點(diǎn)。鄂爾多斯盆地致密砂巖氣資源豐富，先后發(fā)現(xiàn)了蘇里格、米脂、烏審旗、大牛地、神木等5個(gè)大氣田，勘探、開發(fā)潛力巨大[1-2]。由于致密砂巖儲(chǔ)層具有低孔、低滲、非均質(zhì)性強(qiáng)的特征，因此尋找局部發(fā)育的高孔、高滲、高飽和度的“甜點(diǎn)”區(qū)是取得產(chǎn)能突破的關(guān)鍵。為此，人們研究了“甜點(diǎn)”識(shí)別，主要以定性預(yù)測(cè)為主，其基本思想是通過(guò)分析“甜點(diǎn)”儲(chǔ)層與非“甜點(diǎn)”儲(chǔ)層的巖石物理或地震響應(yīng)特征的差異，利用反演、屬性分析等手段刻畫“甜點(diǎn)”展布。張林清等[3]綜合應(yīng)用疊前同時(shí)反演、分頻屬性及屬性融合手段，預(yù)測(cè)西湖凹陷G區(qū)致密氣儲(chǔ)層“甜點(diǎn)”；李岳桐等[4]通過(guò)優(yōu)選敏感特征曲線反演預(yù)測(cè)細(xì)粒沉積巖致密油“甜點(diǎn)”區(qū)；李久娣等[5]采用疊前AVO敏感屬性技術(shù)有效刻畫了東海海域深層低滲儲(chǔ)層的“甜點(diǎn)”分布；孫文舉等[6]依據(jù)在三維地震數(shù)據(jù)體中提取的“甜點(diǎn)”屬性與疊前反演得到的泊松比屬性，在平面上有效預(yù)測(cè)天然氣“甜點(diǎn)”富集區(qū)；韓剛等[7]認(rèn)為密度參數(shù)是識(shí)別花港組致密砂巖儲(chǔ)層“甜點(diǎn)”的敏感屬性，利用疊前AVO三參數(shù)反演預(yù)測(cè)“甜點(diǎn)”；韓飛鵬等[8]優(yōu)選了表征地質(zhì)“甜點(diǎn)”區(qū)和工程“甜點(diǎn)”區(qū)發(fā)育特征的5個(gè)屬性參數(shù)，通過(guò)融合得到“甜點(diǎn)”分布。此外，有人還定量預(yù)測(cè)了致密砂巖“甜點(diǎn)”。朱永才等[9]通過(guò)多屬性優(yōu)選和非線性回歸的方法定量預(yù)測(cè)致密油孔隙度，刻畫了吉木薩爾凹陷蘆草溝組“甜點(diǎn)”分布；王迪等[10]構(gòu)建了適用于致密儲(chǔ)層的AVO解釋模板，半定量地預(yù)測(cè)孔隙度和厚度；汪關(guān)妹等[11]依據(jù)純砂巖縱波阻抗與孔隙度的數(shù)學(xué)關(guān)系，采用兩步法預(yù)測(cè)致密砂巖孔隙度，進(jìn)而預(yù)測(cè)“甜點(diǎn)”儲(chǔ)層分布規(guī)律；Jaiswal 等[12]利用縱、橫波速度建立巖石物理模型，預(yù)測(cè)了美國(guó)俄克拉荷馬州脆性“甜點(diǎn)”區(qū)；Sreedurga等[13]利用縱波阻抗變化率等多屬性分析預(yù)測(cè)印度巴默盆地致密火山巖儲(chǔ)層的孔隙度。目前，針對(duì)致密砂巖“甜點(diǎn)”定量預(yù)測(cè)的研究主要集中在孔隙度方面，有關(guān)滲透率、含氣飽和度等參數(shù)的預(yù)測(cè)研究很少。

從巖石物理學(xué)角度來(lái)看，由于儲(chǔ)層參數(shù)(孔隙度、滲透率、含氣飽和度)與地震數(shù)據(jù)之間并不存在直接的解析關(guān)系，無(wú)法用顯性方程予以描述，導(dǎo)致常規(guī)反演等方法無(wú)法準(zhǔn)確地定量預(yù)測(cè)“甜點(diǎn)”。深度學(xué)習(xí)的優(yōu)勢(shì)在于通過(guò)構(gòu)建適用的網(wǎng)絡(luò)模型，能夠充分挖掘地震數(shù)據(jù)與儲(chǔ)層參數(shù)之間的復(fù)雜非線性關(guān)系，提高儲(chǔ)層參數(shù)預(yù)測(cè)精度[14-17]。丁燕等[18]建立了利用深度信念網(wǎng)絡(luò)預(yù)測(cè)潛山碳酸鹽巖儲(chǔ)層裂縫的方法；楊柳青等[19]利用深度神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)儲(chǔ)層孔隙度；陳康等[20]基于改進(jìn)U-Net卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)儲(chǔ)層巖性及“甜點(diǎn)”；閆星宇等[21]提出一種用于地震相分類識(shí)別的深度學(xué)習(xí)方法；王俊等[22]基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)儲(chǔ)層孔、滲、飽參數(shù)。深度學(xué)習(xí)是一種數(shù)據(jù)驅(qū)動(dòng)的方法，充分的數(shù)據(jù)和良好的分布是保證預(yù)測(cè)精度的必要條件。因此，與常規(guī)反演方法相比，深度學(xué)習(xí)對(duì)井的數(shù)量、質(zhì)量和分布要求更苛刻。當(dāng)井?dāng)?shù)量較少時(shí)，由于學(xué)習(xí)不充分會(huì)導(dǎo)致預(yù)測(cè)結(jié)果不可靠[23-24]。LX區(qū)塊目前已進(jìn)入開發(fā)階段，鉆井?dāng)?shù)量多且分布較均勻，為開展深度學(xué)習(xí)奠定了良好的數(shù)據(jù)基礎(chǔ)。實(shí)踐證明，該區(qū)利用深度學(xué)習(xí)預(yù)測(cè)儲(chǔ)層參數(shù)的困難在于地震數(shù)據(jù)與測(cè)井曲線不存在一一對(duì)應(yīng)關(guān)系，存在大量矛盾樣本，導(dǎo)致常規(guī)卷積神經(jīng)網(wǎng)絡(luò)難以直接用于井震聯(lián)合致密儲(chǔ)層“甜點(diǎn)”識(shí)別。

針對(duì)上述問(wèn)題，本文引入地層格架、地震相等先驗(yàn)約束信息，構(gòu)建了適用于致密儲(chǔ)層的深度學(xué)習(xí)網(wǎng)絡(luò)模型，形成了地質(zhì)導(dǎo)向的樣本井優(yōu)選方法，實(shí)現(xiàn)了儲(chǔ)層參數(shù)高精度定量預(yù)測(cè)。

1 LX區(qū)塊概況

LX區(qū)塊位于鄂爾多斯盆地東緣晉西撓褶帶，地理位置橫跨山西省臨縣和興縣(圖1)。二疊系石盒子組是主要勘探目的層，發(fā)育三角洲平原和前緣分流河道砂體。儲(chǔ)層孔隙度為2%～16%、滲透率為0.01～10 mD、含氣飽和度為35%～75%。參照GB/T 26979-2011氣藏分類標(biāo)準(zhǔn)，該區(qū)儲(chǔ)層絕大部分屬于低孔、低滲儲(chǔ)層，少量屬于中孔、中滲(孔隙度大于10%，滲透率大于5 mD)[25]儲(chǔ)層。

圖1 LX區(qū)塊位置示意圖

LX區(qū)塊鉆井結(jié)果揭示，優(yōu)選高孔隙度、高滲透率、高含氣飽和度的“甜點(diǎn)”是取得產(chǎn)能突破的關(guān)鍵。通過(guò)分析將測(cè)試產(chǎn)能數(shù)據(jù)劃分為兩組：一組為測(cè)試產(chǎn)能大于1萬(wàn)m3/d的井?dāng)?shù)據(jù)，定義為高產(chǎn)井?dāng)?shù)據(jù)；另一組為測(cè)試產(chǎn)能小于1萬(wàn)m3/d的井?dāng)?shù)據(jù)，定義為低產(chǎn)井?dāng)?shù)據(jù)。通過(guò)對(duì)比兩者的儲(chǔ)層參數(shù)(圖2)，可知高產(chǎn)井和低產(chǎn)井?dāng)?shù)據(jù)在孔隙度、滲透率、含氣飽和度指標(biāo)上存在明顯差異，其中高產(chǎn)井?dāng)?shù)據(jù)具有孔隙度大于12%、滲透率大于1 mD、含氣飽和度大于50%的特征。因此，如何準(zhǔn)確預(yù)測(cè)上述三個(gè)參數(shù)是識(shí)別高產(chǎn)“甜點(diǎn)”的關(guān)鍵。

圖2 高產(chǎn)井(紅色線)和低產(chǎn)井(藍(lán)色線)的地層參數(shù)對(duì)比

2 技術(shù)原理

2.1 矛盾樣本問(wèn)題

樣本矛盾是指地震數(shù)據(jù)與測(cè)井?dāng)?shù)據(jù)不是一一對(duì)應(yīng)關(guān)系，如地震波形相似、伽馬曲線差異很大(圖3a)，或伽馬曲線均為低值、地震波形差異很大(圖3b)。當(dāng)前流行的深度學(xué)習(xí)模型無(wú)法直接利用井震聯(lián)合預(yù)測(cè)致密儲(chǔ)層參數(shù)。經(jīng)過(guò)進(jìn)一步分析認(rèn)為，相互矛盾的樣本位于不同的時(shí)間和空間位置，即處于不同的層段和地震(沉積)相帶內(nèi)(圖4)。因此，可以引入線(道)號(hào)、層序格架、地震相等先驗(yàn)信息作為約束，結(jié)合地震數(shù)據(jù)參與網(wǎng)絡(luò)訓(xùn)練。由于考慮了時(shí)間位置、空間位置、波形特征等，樣本不再互相矛盾，能夠使地震數(shù)據(jù)與測(cè)井?dāng)?shù)據(jù)在相同層段、類似相帶內(nèi)學(xué)習(xí)與訓(xùn)練，從而提高儲(chǔ)層參數(shù)預(yù)測(cè)精度。

圖4 樣本矛盾解決思路示意圖

2.2 網(wǎng)絡(luò)模型結(jié)構(gòu)

基于上述思想，在常規(guī)卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上增加一個(gè)全連接網(wǎng)絡(luò)結(jié)構(gòu)(圖5)。地震數(shù)據(jù)與測(cè)井?dāng)?shù)據(jù)之間通過(guò)托布里茲局部網(wǎng)絡(luò)結(jié)構(gòu)連接，用于解決儲(chǔ)層參數(shù)與地震數(shù)據(jù)不直接相關(guān)問(wèn)題。全連接網(wǎng)絡(luò)結(jié)構(gòu)通過(guò)引入線(道)號(hào)、層位、地震相等先驗(yàn)信息，可以解決矛盾樣本問(wèn)題。

圖5 適用于致密儲(chǔ)層的深度學(xué)習(xí)網(wǎng)絡(luò)模型結(jié)構(gòu)

基于先驗(yàn)信息約束的深度學(xué)習(xí)網(wǎng)絡(luò)模型運(yùn)算步驟如下。

(1)建立全局連接網(wǎng)絡(luò)作為深度學(xué)習(xí)網(wǎng)絡(luò)的支網(wǎng)一。支網(wǎng)一以地震空間格架信息和其他先驗(yàn)信息作為輸入，該結(jié)構(gòu)的每一節(jié)點(diǎn)都與上一層的所有節(jié)點(diǎn)相連，將地層格架高維特征映射到樣本標(biāo)記空間，層間運(yùn)算關(guān)系為

Yi+1=Wi·Yi

(1)

式中：Yi和Yi+1分別為第i層和第i+1層的輸入；Wi為第i層到第i+1層的連接權(quán)重矩陣。

(2)建立局部連接的卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)網(wǎng)絡(luò)的支網(wǎng)二。支網(wǎng)二以地震數(shù)據(jù)作為輸入，層間運(yùn)算關(guān)系為

(2)

(3)將步驟(1)和步驟(2)的支網(wǎng)運(yùn)算結(jié)果求和，得到總網(wǎng)輸出。

網(wǎng)絡(luò)模型內(nèi)部結(jié)構(gòu)如圖6所示?；谏疃葘W(xué)習(xí)網(wǎng)絡(luò)預(yù)測(cè)致密儲(chǔ)層參數(shù)的過(guò)程如下:

(1)根據(jù)LX區(qū)塊的地質(zhì)情況，對(duì)測(cè)井、地震數(shù)據(jù)進(jìn)行時(shí)深標(biāo)定；

(2)利用地震層位信息搭建時(shí)間域地層格架；

(3)對(duì)地震數(shù)據(jù)進(jìn)行波形聚類，以劃分地震相；

(4)將儲(chǔ)層參數(shù)訓(xùn)練樣本集作為期望輸出，井旁地震數(shù)據(jù)、相應(yīng)空間格架、地震相信息作為輸入，以訓(xùn)練網(wǎng)絡(luò)；

(5)將靶區(qū)地震數(shù)據(jù)及空間格架信息輸入到訓(xùn)練好的網(wǎng)絡(luò)，得到整個(gè)靶區(qū)儲(chǔ)層參數(shù)數(shù)據(jù)體。

3 樣本井篩選

深度學(xué)習(xí)方法依賴于數(shù)據(jù)，充分的數(shù)據(jù)和良好的分布是保證訓(xùn)練精度的必要條件。由于LX區(qū)塊處于開發(fā)階段，鉆井?dāng)?shù)量多，同一井臺(tái)上鉆探了不同數(shù)量的定向井，優(yōu)選最佳的測(cè)井學(xué)習(xí)樣本十分關(guān)鍵。為此，結(jié)合LX區(qū)塊的地質(zhì)認(rèn)識(shí)，制定了樣本井篩選的三個(gè)基本原則：①空間分布均勻；②井震標(biāo)定關(guān)系好；③涵蓋多種沉積樣式和巖性組合。LX區(qū)塊主要發(fā)育河道心灘(圖7a)、復(fù)合河道(圖7b)、河道側(cè)緣(圖7c)和分流間灣(圖7d)共4種沉積微相及巖性組合，在選擇樣本井時(shí)應(yīng)盡可能兼顧所有模式。根據(jù)上述原則，共篩選26口樣本井進(jìn)行第一輪訓(xùn)練和效果測(cè)試。通過(guò)測(cè)試發(fā)現(xiàn)，當(dāng)同一井臺(tái)的多口井的鉆探結(jié)果差異較大時(shí)，僅選擇其中一口井?dāng)?shù)據(jù)進(jìn)行學(xué)習(xí)會(huì)引起預(yù)測(cè)結(jié)果的偏差。深度學(xué)習(xí)效果測(cè)試結(jié)果表明(圖8)：三口井均鉆遇中強(qiáng)振幅層位，A-2井鉆遇氣層(孔隙度高)，A-1和A-3井鉆遇干層(孔隙度低，圖8a)；只選擇A-2井?dāng)?shù)據(jù)參與學(xué)習(xí)，導(dǎo)致A-1井和A-3井孔隙度預(yù)測(cè)結(jié)果偏高，與鉆探結(jié)果不符(圖8b)；增加A-1井作為樣本井，A-3井孔隙度預(yù)測(cè)結(jié)果與實(shí)鉆結(jié)果更吻合(圖8c)。因此，在第一輪井位篩選的基礎(chǔ)上，補(bǔ)充了16口學(xué)習(xí)井，以進(jìn)一步豐富樣本的多樣性，利用42口井?dāng)?shù)據(jù)訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)，從而定量預(yù)測(cè)儲(chǔ)層參數(shù)。

圖7 LX區(qū)塊沉積微相及巖性組合模式

圖8 深度學(xué)習(xí)效果測(cè)試

4 應(yīng)用效果

4.1 儲(chǔ)層參數(shù)定量預(yù)測(cè)

圖9為不同方法預(yù)測(cè)的孔隙度剖面。由圖可見(jiàn)，與疊前反演間接預(yù)測(cè)的孔隙度剖面(圖9c)相比，本文的深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測(cè)的孔隙度剖面(圖9b)的分辨率更高、連續(xù)性更好且與鉆井?dāng)?shù)據(jù)吻合度更高，并識(shí)別了高孔隙度儲(chǔ)層(圖中紅色橢圓位置)，與測(cè)井有效孔隙度曲線更匹配。

圖9 不同方法預(yù)測(cè)的孔隙度剖面

本次深度學(xué)習(xí)選取42口井?dāng)?shù)據(jù)參與訓(xùn)練，10口井作為驗(yàn)證井分析預(yù)測(cè)結(jié)果的精度。圖10為深度學(xué)習(xí)儲(chǔ)層參數(shù)預(yù)測(cè)連井剖面。由圖可見(jiàn)，無(wú)論訓(xùn)練井還是驗(yàn)證井，預(yù)測(cè)結(jié)果與測(cè)井曲線的匹配關(guān)系良好，孔隙度(圖10a)、滲透率(圖10b)和含氣飽和度(圖10c)剖面的橫向變化規(guī)律一致。為進(jìn)一步印證深度學(xué)習(xí)儲(chǔ)層參數(shù)預(yù)測(cè)結(jié)果的可靠性，以圖10c的四套典型砂體(①～④)為例，對(duì)比儲(chǔ)層參數(shù)預(yù)測(cè)值與測(cè)井實(shí)際值(表1)?？梢?jiàn)，孔隙度預(yù)測(cè)相對(duì)誤差小于10%，滲透率預(yù)測(cè)相對(duì)誤差小于18%，含氣飽和度預(yù)測(cè)相對(duì)誤差小于15%，預(yù)測(cè)精度較高。

表1 孔隙度、滲透率和含氣飽和度預(yù)測(cè)值與實(shí)際值對(duì)比

圖10 深度學(xué)習(xí)儲(chǔ)層參數(shù)預(yù)測(cè)連井剖面

4.2 高產(chǎn)甜點(diǎn)分布預(yù)測(cè)

根據(jù)深度學(xué)習(xí)儲(chǔ)層參數(shù)定量預(yù)測(cè)結(jié)果，考慮到“甜點(diǎn)”(產(chǎn)能大于1萬(wàn)m3/d)對(duì)應(yīng)的參數(shù)門檻值(孔隙度大于12%、滲透率大于1 mD、含氣飽和度大于50%)，綜合孔隙度、滲透率、含氣飽和度數(shù)據(jù)體，刻畫了盒四段高產(chǎn)“甜點(diǎn)”平面展布(圖11)。可見(jiàn)，疊前反演方法預(yù)測(cè)的盒四段高產(chǎn)“甜點(diǎn)”呈塊狀分布(圖11a)，與三角洲平原分流河道的地質(zhì)規(guī)律不符。深度學(xué)習(xí)方法預(yù)測(cè)的盒四段高產(chǎn)“甜點(diǎn)”具有典型的三角洲分流河道沉積特征，優(yōu)質(zhì)砂體呈條帶狀由北向南展布(圖11b)，與沉積規(guī)律相符。鉆井?dāng)?shù)據(jù)表明：圖11a的黑色橢圓區(qū)域的“甜點(diǎn)”為異常假象，實(shí)際鉆井在該區(qū)域并未鉆遇高產(chǎn)氣層；圖11b的黑色橢圓區(qū)域基本不發(fā)育“甜點(diǎn)”，預(yù)測(cè)結(jié)果與鉆井?dāng)?shù)據(jù)更吻合。42口井的數(shù)據(jù)統(tǒng)計(jì)結(jié)果表明，常規(guī)反演方法預(yù)測(cè)的“甜點(diǎn)”符合率為68%，深度學(xué)習(xí)方法預(yù)測(cè)的“甜點(diǎn)”符合率為82%，后者明顯提升了預(yù)測(cè)精度。

圖11 盒四段高產(chǎn)“甜點(diǎn)”展布規(guī)律預(yù)測(cè)結(jié)果

根據(jù)深度學(xué)習(xí)高產(chǎn)“甜點(diǎn)”預(yù)測(cè)結(jié)果和LX區(qū)塊內(nèi)鉆井分布，部署了SJ-1～SJ-5共5個(gè)有利井位目標(biāo)，鉆探結(jié)果如表2所示。由表可見(jiàn)，5口井均鉆遇優(yōu)質(zhì)氣層，實(shí)際砂巖的孔隙度、滲透率、含氣飽和度數(shù)值基本都達(dá)到高產(chǎn)“甜點(diǎn)”的儲(chǔ)層參數(shù)門檻值。其中，SJ-2井的滲透率值(0.89 mD)、SJ-5井的孔隙度值(11.6%)稍低于對(duì)應(yīng)的參數(shù)門檻值，存在預(yù)測(cè)誤差。圖12為S-4井、S-3井深度學(xué)習(xí)儲(chǔ)層參數(shù)預(yù)測(cè)連井剖面。由圖可見(jiàn)，孔隙度(圖12b)、含氣飽和度(圖12c)預(yù)測(cè)值和實(shí)際值吻合度較高。測(cè)試結(jié)果表明，5口井射孔無(wú)阻流量均超過(guò)1萬(wàn)m3/d，取得了良好的應(yīng)用效果，推動(dòng)了致密氣高效開發(fā)。

表2 新井鉆探結(jié)果統(tǒng)計(jì)表

圖12 S-4井、S-3井深度學(xué)習(xí)儲(chǔ)層參數(shù)預(yù)測(cè)連井剖面

5 結(jié)論

針對(duì)現(xiàn)有深度學(xué)習(xí)模型無(wú)法直接預(yù)測(cè)致密儲(chǔ)層的問(wèn)題，提出了基于先驗(yàn)信息約束的深度學(xué)習(xí)網(wǎng)絡(luò)模型，定量預(yù)測(cè)了儲(chǔ)層參數(shù)，刻畫了高產(chǎn)“甜點(diǎn)”平面展布，指導(dǎo)了開發(fā)井位部署，取得了良好的應(yīng)用效果。該技術(shù)主要有以下優(yōu)勢(shì)：

(1)將地層格架、地震相等信息作為約束條件加入深度學(xué)習(xí)網(wǎng)絡(luò)模型中，解決了矛盾樣本的問(wèn)題，提高了儲(chǔ)層參數(shù)預(yù)測(cè)結(jié)果的穩(wěn)定性以及與測(cè)井曲線的吻合度；

(2)提出了基于地質(zhì)導(dǎo)向的樣本井篩選方法，能夠兼顧各種沉積微相和巖性組合模式，豐富了樣本的多樣性；

(3)充分發(fā)揮測(cè)井曲線垂向分辨率高的優(yōu)勢(shì)，由井震聯(lián)合深度學(xué)習(xí)預(yù)測(cè)的儲(chǔ)層參數(shù)結(jié)果的垂向分辨率高于地震數(shù)據(jù)，較好地刻畫了致密砂巖儲(chǔ)層。