特种油气藏

• 地质勘探 • 上一篇    下一篇

基于机器学习的多地震属性沉积相分析

张艳1,张春雷2,成育红3,高世臣1,黄文辉1   

  1. 1 中国地质大学(北京),北京  1000832. 北京中地润德石油科技有限公司,北京  1000833. 中国石油长庆油田分公司,陕西  西安  710016
  • 出版日期:2018-06-25 发布日期:2018-08-15
  • 作者简介:张艳(1987—),女,2009年毕业于青岛理工大学电气工程及其自动化专业,现为中国地质大学(北京)矿产普查与勘探专业在读博士研究生,主要从事石油与天然气地质学方面的研究。
  • 基金资助:
    国家科技重大专项“大型油气田及煤层气开发”子课题“碳酸盐岩缝洞储集体测井解释与井震响应”(2016ZX05014-001)

  • Online:2018-06-25 Published:2018-08-15

摘要: 为研究苏里格气田的沉积环境及沉积相展布规律,以苏里格气田召30区块为研究对象,结合对沉积相较为敏感的均方根振幅、平均瞬时频率和有效带宽3种地震属性,同时利用研究区丰富的水平井资料,运用机器学习中的半监督模糊C均值方法,得到召30区块盒8段沉积相展布特征。结果表明,相比传统的模糊C均值方法,该方法能够清晰地刻画盒8段南北向条带状分布的4条河道,并且忠实于测井信息,预测结果更符合先验地质认识,并且改善了地质人员在无井区域的沉积认识,可为同类区块储层预测方面提供一定的借鉴。

关键词: 致密砂岩储层, 沉积相, 机器学习, 半监督, 模糊C均值, 地震属性, 苏里格气田