油气田开发中后期急需储层单砂体精细识别,为后期剩余油气开发提供地质依据.目前,传统方法依靠研究人员对测井、岩心等资料进行综合对比分析,主观性强、效率低下;而在人工智能领域,现有的基于测井数据的储层识别方法,多研究测井曲线的波形特征,或对单个采样点进行独立分析,忽略了测井数据的纵向相关性,缺少全局认识,识别结果存在一定的局限性.针对上述问题,提出了 一种基于注意力机制的双向长短期记忆神经网络(Multi-Scale Convolutional Layers Cascaded Attention-Based Bidirectional Long Short-Term Memory,MC-ABiLSTM)模型的储层单砂体智能识别方法.该模型主体分为MC与ABiLSTM两个模块.MC模块由不同尺度卷积核的并联卷积层组成,用于提取测井数据多尺度的空间特征;ABiLSTM模块采用基于LSTM的编解码框架,用于从MC模块输出的特征中提取上下层信息,获取测井数据的时序特征;最后,采用softmax分类器对提取后的测井曲线数据空间和时序特征进行识别分类.以靖安油田大路沟二区Chang621含油小层为研究对象,选取研究区岩心井的4种测井曲线(自然伽马、自然电位、电阻率、声波时差)以及3种物性参数(孔隙度、渗透率、含水饱和度)作为样本,训练MC-ABiLSTM单砂体识别模型,并与其他四种智能模型进行识别效果对比.结果表明:MC-ABiLSTM的单砂体识别精度最高,达到91.2％,可作为利用测井资料进行单砂体识别的有效手段.

单砂体识别;深度学习;并联网络;双向长短期记忆网络;注意力机制

西南石油大学油气藏地质及开发工程国家重点实验室,西南石油大学地球科学与技术学院,成都 610500;中国石油长庆油田分公司第四采油厂,银川 750006

[1]罗仁泽;李兴宇;周洋;郭亮;庹娟娟;詹健-.基于MC-ABiLSTM的储层单砂体智能识别方法)[J].地球物理学进展,2022(03):1112-1121

ABiLSTM,Chang621,单砂体识别

MC,体智能,智能识别方法,油气田开发,开发中后期,剩余油,油气开发,地质依据,岩心,综合对比,主观性,人工智能领域,测井数据,储层识别,测井曲线,波形特征,采样点,注意力机制,双向长短期记忆神经网络,Multi,Scale,Convolutional,Layers,Cascaded,Attention,Based,Bidirectional,Long,Short,Term,Memory,不同尺度,卷积核,卷积层,空间特征,编解码框架,时序特征,softmax,分类器,数据空间,空间和时,识别分类,靖安油田,大路,二区,含油,自然伽马,自然电位,电阻率,声波时差,物性参数,孔隙度,渗透率,含水饱和度,识别模型,智能模型,效果对比,识别精度,测井资料,并联网络,双向长短期记忆网络

0.324949