地球物理甜点智能识别及解释,预测人机交互界面共包含六大功能模块

中国石化石油勘探开发研究院和物探研究院为中国石化直属上游综合研究机构，职责定位是中国石化上游 “三部一中心”，即：上游的发展战略及油气勘探开发参谋部、油气勘探开发技术服务部、油气勘探开发技术研发和集成部、上游地质资料信息中心。围绕西北、华北、东北、四川、海域、海外等勘探开发重点L域，持续提供技术支撑与服务，为中国石化上游稳油增气降本做出了积J贡献。在缝洞型碳酸盐岩油藏G效开发L域形成了自己的特色和优势。

石勘院和物探院依托国家“973”项目、国家重大专项、国家部委战略选区、国家自然科学基金等一批项目。在缝洞型碳酸盐岩油藏开发技术、多波多分量地震技术等方面达到国内L先或国内先进水平，尤其是缝洞型碳酸盐岩油藏开发技术整体达到国际L先水平。

场景组具有多年从事塔河油田开发的研究经历，掌握大量现场生产资料。2000 年完成塔河油田四区开发方案编制、2005 年与法国合作研究的塔河油田四区三维地质建模，2006 年完成四区开发动态跟踪研究，2012 年 《塔河油田 12 区奥陶系油藏油气产能及能量分布特征研究》及 2006-2018 年承担 “十一五”、“十二五”、“十三五”国家重大专项的相关课题研究，均为本场景建设提供坚实技术基础。

塔河油田是我国已发现大的碳酸盐岩缝洞型油藏，含油面积达 700km2，探明石油地质储量超过 10 亿吨。塔河油田缝洞油藏储集体埋藏深大（>5700m）、类型多、非均质性强，油田钻井多（1870 口）。矿场常规“甜 点”预测需多种地震属性联合预测，对人员专业知识要求G，预测工作量大、工作效率低。上述面临问题迫切需要引进人工智能，开发智能解释软件平台，发挥甜点智能识别技术优势，提G油田现场甜点识别效率。

机器学习和计算机技术的不断进步为“甜点”预测带来了前所未有的机遇。人工智能算法也在“甜点”预测中展现出巨大的潜力。这些算法能够处理非线性、G维和复杂的数据关系，提G预测的可靠性并能大幅提G预测效率。

针对超深层复杂碳酸盐岩缝洞型油藏，引进人工智能技术，在地质认识及地球物理理论指导下，以地震数据及其衍生属性为研究对象，寻求能够反映“甜点”佳属性组合，结合地震正演拓展，建立训练样本集。优选佳算法模型，通过参数的调整及迭代优化，寻找地震属性与缝洞储集体“甜点”的潜在关联性，建立缝洞储集体甜点预测模型，实现碳酸盐岩缝洞型油藏地球物理甜点快速、准确预测。

1)具体的工具或方法创新

按照“数据+平台+应用”的模式，地球物理甜点识别子系统，包含首页界面、数据管理、模型管理、储集体识别、界面显示、成果输出等 6 个功能服务，引用地震基本数据服务、非结构化数据服务等 2 个数据服务。

a）地球物理甜点智能识别及解释应用

为用户提供碳酸盐岩缝洞甜点预测人机交互界面共包含六大功能模块。具体情况如下： 首页界面：涵盖流程展示及功能导航，展示系统主要操作流程，并对操作进行简单描述；

数据管理：提供各类数据记载功能，提供基础数据管理维护功能；智能建模：实现模型构建及模型评估功能；

储层识别：通过识别参数设置实现储集体识别功能及识别结果管理；界面显示：提供地震剖面显示、成果剖面显示功能；

成果输出：提供识别结果输出功能。

b）创新点

融合机理模型形成训练数据集。将地质特征和地球物理数据有机融合，明确缝洞甜点地震响应特征，优选地震能量、频谱等属性，结合测井数据及生产动态数据，构建较为准确的训练样本集，提G模型的预测准确性和泛化能力。

地震正演训练样本制作。设计了符合缝洞地质特征的地震正演模型来丰富和拓展训练样本集，有效解决了样本不均衡和样本数量不足问题。

基于集成学习的分步训练策略，有效提G甜点预测精度。为捕捉缝洞甜点的地震信号细节，设计了一个基于集成学习的分步训练策略。通过多阶段、多模型的协同作用，显著提升预测的准确度和鲁棒性，同时有效控制过拟合的风险。①将 FCN 卷积神经网络作为初步筛选工具。利用FCN 通过深度卷积层的层层抽象，学习缝洞体的 结构信息，G效地识别出潜在甜点区域。②基于集成学习的深化预测。在FCN 初步筛选基础上，有机融合Boosting 和随机森林等先进的集成学习方法，提G缝洞甜点预测精度。

基于遗传算法的自适应 AI 超参数调优技术提升训练效率。通过模拟生物进化过程来G效优化神经网络模型的参数配置，缩短训练时间，降低算力消耗，终提升出色模型的训练效率。

2)具体应用模式和应用流程

应用功能建设按照客户端（C/S）模式进行设计和后续研发，客户端软件负责对地震原始数据及其属性数据进行管理并提供样本标注工具，标注后生成的训练样本数据传输到石化智云执行具体的模型训练，训练后的模型回传本地工作站，由本地工作站客户端软件进行推理和结果展示。

a）训练流程。鉴于地震数据量的海量规模，场景样本标注在本地进行。依据专家经验优选地震属性，多资料、多数据联合开展专家样本标注。同时辅以地震正演制作训练样本，来克服样本的不均衡和数量不足问题。另外依托总部云，采用云边部署架构，借助平台算力资源进行模型训练。并辅以超参调优技术，指示“进化路径“，提G出色模型训练效率，具体流程见下图。

b）预测流程。应用石化智云的建模与训练成果，针对不同类型的地震数据域，提供灵活的预测数据体选择机制，轻松管理待预测地震数据。其次可设置预测范围参数，允许用户准确设定 Inline、CDP（Common Depth Point，即公共深度点）以及 Time（时间）范围，实现对预测范围的准确控制，具体流程见下图。

经济效益。缩短缝洞型碳酸盐岩油藏科研生产运行周期，降低人工成本。通过场景建设，减少科研生产环节，有效降低用人成本（降本 60%以上），缩短科研生产运行周期，提升勘探开发决策效率。

管理效益。重塑业务流程，减少科研运转环节。通过对碳酸盐岩缝洞体甜点识别全业务功能智能化，实现了该类型科研工作的模式转变，重塑业务流程，减少科研运转环节，降低管理成本，加快勘探开发进程。

社会效益。促进了地球物理技术的不断发展。通过地球物理甜点智能识别及解释场景建设，将为中石化国内上游企业在地球物理与新一代人工智能技术的有机融合，探索，实施，推广积累经验。

经验总结。首先，地球物理L域以其海量数据著称，但数据的丰富性并未直接转化为确定性样本的充足性，G质量训练样本数据更是稀缺资源。这一现状对我们提出了新的挑战，也为我们指明了下一步的研究方向。

其次，机理模型在地球物理人工智能L域的应用大多仍处于理论探讨以及数据端处理的初级阶段，尚未能深入融合到算法模型的核心之中。将机理模型嵌入到网络端，重塑我们的算法框架，是我们下一步亟待攻克的技术难题。这一挑战不仅要求我们在理论上有所突破，更需要在实践中不断探索和创新。

后，要实现G效模型的落地应用，持续的资金投入与攻关是不可或缺的。只有不断资源投入，推动模型的迭代更新与优化，才能确保模型在实际应用中展现出出色的性能与效果。