多属性概率神经网络技术在ML油田岩性油气藏预测中的应用

李 密，李少华，王红宾，曾胜勇，郭士东

（1.中国石化中原油田普光分公司采气厂，四川达州636155；2.长江大学地球科学学院）

在ML油田，研究区面积为600 km2，目的层段为珠江组，地震时窗为1 700～2 100 ms。由于地震资料品质差，井数据缺乏，而且开发程度低，所以常规阻抗反演、AVO 反演进行油气预测效果不理想。多属性概率神经网络方法与常规反演方法比较具有自身的优点，它采用的多属性技术能综合利用叠前和叠后地震数据的信息，采用概率神经网络算法建立含油气性与地震属性之间复杂的非线性关系，利用这种非线性关系对砂体进行油气预测［1］。

1 概率神经网络方法

1.1 基本原理

概率神经网络算法是利用神经网络结构实现的数学插值方法，类似于多维空间的格里金插值，具有高度的容错性，即使某个井旁地震参数或某个网络连接有“缺陷”，也可以通过“联想”得到全部或者大部分信息［2］。

概率神经网络是基于采样点的算法，为了克服采用单采样点与目标曲线进行相关时，没有考虑井和地震之间有很大的频率成分差异的缺点［3］，概率神经网络引入了褶积因子，通过每个属性上一组采样点的加权平均来预测测井曲线上某点的值，建立属性上邻近的多采样点与测井数据的相关性［4］。

1.2 误差验证

多属性概率神经网络方法使用交互式的验证过程得到验证误差。将测井数据分为训练数据库和验证数据库。挑选时深关系好、目标层段曲线与地震属性关系明显的测井数据作为训练数据库，剩余井的测井数据作为验证数据库。使用训练数据库进行培训，使用验证数据库来度量预测误差时，总验证误差由各点验证误差求均方根得到。

由于概率神经网络算法是逐个样点进行计算并对结果进行优选，运行时间较长，所以选择合理的计算参数尤为重要。

2 应用实例

2.1 区域地质概况

ML油田在18.5 Ma出现一次规模巨大的海侵，因此发育了很厚的海侵体系域，晚期海侵沉积覆盖在早期海侵砂体之上，形成了珠江组的多套油层，为形成各类岩性油气藏提供了必要条件。

根据前人对岩性地层圈闭认识，结合本区实际情况，研究发现背斜构造翼部和鼻状构造是寻找岩性地层圈闭的良好场所。本研究区已经钻遇4个岩性油气藏砂体，这将作为条件数据用于对概率神经网络培训以及对预测结果的验证，最后对研究区6个岩性油气藏远景目标进行含油气性预测（图1）。

2.2反演参数

工区内有15口井可用，反演主要用到油层解释曲线、声波时差曲线以及check-shot时深校正曲线。挑选时深关系好、目标曲线与地震属性关系明显的9口井的测井数据作为“训练数据”，其余6口井的测井数据作为“验证数据”。

研究区共提取了12种叠前属性和24种叠后属性（表1），采用逐步递归法来进行多属性优选［5］，最终优选出7种属性（振幅包络、瞬时相位、瞬时频率、泊松比、λρ反射率、密度、时间）进行概率神经网络反演。

优选出属性组后，通过神经网络参数优选实验来确定神经网络培训参数（表2），根据预测误差的大小以及培训时间长短来优选反演参数［6］。

图1 研究区目标砂体分布（红色为已钻遇砂体，其它为远景目标）

表1 属性优选

表2 神经网络培训参数优选

当sigmas数和共轭迭代次数增大时，预测误差无显著变化，所以这两个参数对预测误差的影响较小，为了缩短训练时间，这两个参数采用设置sigmas数为25、共轭迭代次数为20。增加褶积因子数，预测误差减小，但褶积因子过大则会出现“过训练”现象，预测误差反而增大。通过对比训练结果，当褶积因子等于5时，培训结果和原始曲线拟合较好，培训时间也满足要求。

2.3 反演结果

完成概率神经网络培训后，将培训结果应用于已钻遇岩性油气藏砂体进行油气预测，得到已钻遇四个砂体的油气分布概率（图2）。

将预测结果与已知测井数据进行对比说明预测结果真实可靠（表3），此方法可以用于对潜在的岩性油气藏砂体进行油气预测。

采用多属性概率神经网络方法对ML油田6个潜在的岩性油气藏砂体进行油气预测，砂体油气分布概率见图3，统计结果见表4。

表3 已钻遇岩性油气藏砂体预测结果比较

表4 潜在岩性油气藏目标砂体预测

从含油气面积以及含油气厚度来看，砂体yl1、砂体yl3、砂体yl5油气充注较好，可作为候选目标。砂体yl4、砂体yl6部分被油气充注，需结合其它资料综合分析砂体的含油性。砂体yl2基本无油气显示。

3 结论

（1）多属性概率神经网络反演能综合叠前与叠后的数据信息，而且建立测井曲线与地震属性间的非线性关系来进行油气预测，相比常规阻抗反演方法，适用于地质环境复杂、开发程度低的情况。

图2 已钻遇砂体油气预测概率分布

图3 目标砂体油气预测概率分布

（2）概率神经网络是基于采样点算法，计算时间较长，所以在进行油气预测前，必须对反演参数进行优选，以节约计算时间和减少预测误差。

（3）在研究区，通过对远景目标的钻探证明预测结果真实可靠，效果良好。证明多属性概率神经网络油气预测方法适合本地区的地质情况，能较好应用于对本地区岩性油气藏的勘探和开发。

［1］ H Khoshdel，M A Riahi.3D porosity estimation using multi-attribute analysis methods in one of the Persian gulf oil fields［J］.Society of petroleum engineers，2007，11（14）：1-9.

［2］ 张邵红.概率神经网络技术在非均质地层岩性反演中的应用［J］.石油学报，2008，29（4）：549-552.

［3］ Daniel P Hampson.Use of multiattribute transforms to predict log propertied from seismic data［J］.Geophysics，2001，66（1）：220-236.

［4］ 马朋善，方贇，王向阳，等.利用地震多属性变换预测储层分布［J］.河南石油，2004，18（4）：16-20.

［5］ 陆光辉，吴官生，朱玉波，等.地震属性信息预测储层厚度［J］.河南石油，2003，17（2）：10-12.

［6］ 张喜，乔向阳，王玉艳，等.神经网络多属性分析技术［J］.油气田地面工程，2007，26（8）：1-3.