从SEG年会看人工智能在地震数据处理与解释中的新进展

发布时间：2021-12-17 16:16

　　为满足油气田高效勘探与低成本开发需求,支撑国家油气资源战略目标,地球物理勘探迫切需要发展智能化地震数据处理与解释技术。通过跟踪国外技术发展前沿,结合文献调研分析,梳理了智能化地震数据处理与解释发展现状。人工智能技术正推动地震数据处理与解释朝自动化、智能化快速发展,大大提高了运行效率和计算精度。地球物理行业的智能化是降本增效、提高竞争力的有效途径,但目前智能化技术的工业应用尚处于起步阶段。以机器学习,尤其是深度学习方法为代表的人工智能技术的迅猛发展为油气地球物理行业提供了新的机遇。国际主要石油公司及地球物理技术服务公司都在积极探索如何利用人工智能方法进行地震数据处理与解释,尽管面临众多挑战,但发展潜力巨大。 

【文章来源】：世界石油工业. 2020,27(04)

【文章页数】：9 页

【部分图文】：

人工智能、机器学习和深度学习的关系

自动化速度建模技术取得了较好的应用结果。利用其对西非地区采集的500??km2三维地震资料进行处理，在无井约束的情况下，初始模型与真实模型的差异约为15%，所需周期时间从传统建模的90??d缩短到10??d以内。图2显示了3组根据不同速度模型得到的叠加道集，图2(a）为用于自动建模的初始模型；图2(b）为采用传统方法经过90??d的建模结果；图2(c）为自动化速度建模的结果。由图可见，利用自动化速度模型的地震道集的校平程度与传统方法[图2(b）]相当，相同尺度渲染后的自动化速度模型与传统方法建立的模型非常相似。2.2 地震属性分析技术

如Geophysical?Insights公司将基于机器学习的地震多属性分析技术应用于断层解释、井位设计、直接烃类指示（DHI）等方面。对DJ盆地100??mile2(1?mile?2=??2.590??km?2）的多客户三维地震数据，采用SOM将一组地震属性进分类，用于解释复杂断层断裂活动及其在储层层段内的变化，并利用多属性分类体辅助钻井目标层位的识别、储量计算和水平井段规划[20]。该应用案例证明了机器学习属性分析技术对改进Niobrara和Codell组储层分辨率的有效性。2.3 地震岩相分析与预测

【参考文献】：
期刊论文
[1]“机器学习+量子计算”未来可期[J]. 伍斯璇.  张江科技评论. 2020(03)
[2]石油物探智能化发展之路:从自动化到智能化[J]. 赵改善.  石油物探. 2019(06)
[3]应用地球物理+AI的智能化物探技术发展策略[J]. 杨午阳,魏新建,何欣.  石油科技论坛. 2019(05)
[4]人工智能第三次浪潮以及若干认知[J]. 徐雷.  科学. 2017(03)
[5]大数据时代机器学习的新趋势[J]. 陈康,向勇,喻超.  电信科学. 2012(12)



本文编号：3540479