地球物理甜點智能識別及解釋,預測人機交互界面共包含六大功能模塊

石化石油勘探開發研究院和物探研究院為石化直屬上游綜合研究機構，職責定位是石化上游 “三部一中心”，即：上游的發展戰略及油氣勘探開發參謀部、油氣勘探開發技術服務部、油氣勘探開發技術研發和集成部、上游地質資料信息中心。圍繞西北、華北、東北、四川、海域、海外等勘探開發重點L域，持續提供技術支撐與服務，為石化上游穩油增氣降本做出了積J貢獻。在縫洞型碳酸鹽巖油藏G效開發L域形成了自己的特色和優勢。

石勘院和物探院依托“973”項目、重大專項、部委戰略選區、自然科學基金等一批項目。在縫洞型碳酸鹽巖油藏開發技術、多波多分量地震技術等方面達到國內L先或國內先進水平，尤其是縫洞型碳酸鹽巖油藏開發技術整體達到國際L先水平。

場景組具有多年從事塔河油田開發的研究經歷，掌握大量現場生產資料。2000 年完成塔河油田四區開發方案編制、2005 年與法國合作研究的塔河油田四區三維地質建模，2006 年完成四區開發動態跟蹤研究，2012 年 《塔河油田 12 區奧陶系油藏油氣產能及能量分布特征研究》及 2006-2018 年承擔 “十一五”、“十二五”、“十三五”重大專項的相關課題研究，均為本場景建設提供堅實技術基礎。

塔河油田是我國已發現大的碳酸鹽巖縫洞型油藏，含油面積達 700km2，探明石油地質儲量超過 10 億噸。塔河油田縫洞油藏儲集體埋藏深大（>5700m）、類型多、非均質性強，油田鉆井多（1870 口）。礦場常規“甜 點”預測需多種地震屬性聯合預測，對人員專業知識要求G，預測工作量大、工作效率低。上述面臨問題迫切需要引進人工智能，開發智能解釋軟件平臺，發揮甜點智能識別技術優勢，提G油田現場甜點識別效率。

機器學習和計算機技術的不斷進步為“甜點”預測帶來了前所未有的機遇。人工智能算法也在“甜點”預測中展現出巨大的潛力。這些算法能夠處理非線性、G維和復雜的數據關系，提G預測的可靠性并能大幅提G預測效率。

針對超深層復雜碳酸鹽巖縫洞型油藏，引進人工智能技術，在地質認識及地球物理理論指導下，以地震數據及其衍生屬性為研究對象，尋求能夠反映“甜點”佳屬性組合，結合地震正演拓展，建立訓練樣本集。優選佳算法模型，通過參數的調整及迭代優化，尋找地震屬性與縫洞儲集體“甜點”的潛在關聯性，建立縫洞儲集體甜點預測模型，實現碳酸鹽巖縫洞型油藏地球物理甜點快速、準確預測。

1)具體的工具或方法創新

按照“數據+平臺+應用”的模式，地球物理甜點識別子系統，包含頁界面、數據管理、模型管理、儲集體識別、界面顯示、成果輸出等 6 個功能服務，引用地震基本數據服務、非結構化數據服務等 2 個數據服務。

a）地球物理甜點智能識別及解釋應用

為用戶提供碳酸鹽巖縫洞甜點預測人機交互界面共包含六大功能模塊。具體情況如下： 頁界面：涵蓋流程展示及功能導航，展示系統主要操作流程，并對操作進行簡單描述；

數據管理：提供各類數據記載功能，提供基礎數據管理維護功能；智能建模：實現模型構建及模型評估功能；

儲層識別：通過識別參數設置實現儲集體識別功能及識別結果管理；界面顯示：提供地震剖面顯示、成果剖面顯示功能；

成果輸出：提供識別結果輸出功能。

b）創新點

融合機理模型形成訓練數據集。將地質特征和地球物理數據有機融合，明確縫洞甜點地震響應特征，優選地震能量、頻譜等屬性，結合測井數據及生產動態數據，構建較為準確的訓練樣本集，提G模型的預測準確性和泛化能力。

地震正演訓練樣本制作。設計了符合縫洞地質特征的地震正演模型來豐富和拓展訓練樣本集，有效解決了樣本不均衡和樣本數量不足問題。

基于集成學習的分步訓練策略，有效提G甜點預測精度。為捕捉縫洞甜點的地震信號細節，設計了一個基于集成學習的分步訓練策略。通過多階段、多模型的協同作用，顯著提升預測的準確度和魯棒性，同時有效控制過擬合的風險。①將 FCN 卷積神經網絡作為初步篩選工具。利用FCN 通過深度卷積層的層層抽象，學習縫洞體的 結構信息，G效地識別出潛在甜點區域。②基于集成學習的深化預測。在FCN 初步篩選基礎上，有機融合Boosting 和隨機森林等先進的集成學習方法，提G縫洞甜點預測精度。

基于遺傳算法的自適應 AI 超參數調優技術提升訓練效率。通過模擬生物進化過程來G效優化神經網絡模型的參數配置，縮短訓練時間，降低算力消耗，終提升出色模型的訓練效率。

2)具體應用模式和應用流程

應用功能建設按照客戶端（C/S）模式進行設計和后續研發，客戶端軟件負責對地震原始數據及其屬性數據進行管理并提供樣本標注工具，標注后生成的訓練樣本數據傳輸到石化智云執行具體的模型訓練，訓練后的模型回傳本地工作站，由本地工作站客戶端軟件進行推理和結果展示。

a）訓練流程。鑒于地震數據量的海量規模，場景樣本標注在本地進行。依據專家經驗優選地震屬性，多資料、多數據聯合開展專家樣本標注。同時輔以地震正演制作訓練樣本，來克服樣本的不均衡和數量不足問題。另外依托總部云，采用云邊部署架構，借助平臺算力資源進行模型訓練。并輔以超參調優技術，指示“進化路徑“，提G出色模型訓練效率，具體流程見下圖。

b）預測流程。應用石化智云的建模與訓練成果，針對不同類型的地震數據域，提供靈活的預測數據體選擇機制，輕松管理待預測地震數據。其次可設置預測范圍參數，允許用戶準確設定 Inline、CDP（Common Depth Point，即公共深度點）以及 Time（時間）范圍，實現對預測范圍的準確控制，具體流程見下圖。

經濟效益�？s短縫洞型碳酸鹽巖油藏科研生產運行周期，降低人工成本。通過場景建設，減少科研生產環節，有效降低用人成本（降本 60%以上），縮短科研生產運行周期，提升勘探開發決策效率。

管理效益。重塑業務流程，減少科研運轉環節。通過對碳酸鹽巖縫洞體甜點識別全業務功能智能化，實現了該類型科研工作的模式轉變，重塑業務流程，減少科研運轉環節，降低管理成本，加快勘探開發進程。

社會效益。促進了地球物理技術的不斷發展。通過地球物理甜點智能識別及解釋場景建設，將為中石化國內上游企業在地球物理與新一代人工智能技術的有機融合，探索，實施，推廣積累經驗。

經驗總結。先，地球物理L域以其海量數據著稱，但數據的豐富性并未直接轉化為確定性樣本的充足性，G質量訓練樣本數據更是稀缺資源。這一現狀對我們提出了新的挑戰，也為我們指明了下一步的研究方向。

其次，機理模型在地球物理人工智能L域的應用大多仍處于理論探討以及數據端處理的初J階段，尚未能深入融合到算法模型的核心之中。將機理模型嵌入到網絡端，重塑我們的算法框架，是我們下一步亟待攻克的技術難題。這一挑戰不僅要求我們在理論上有所突破，更需要在實踐中不斷探索和創新。

后，要實現G效模型的落地應用，持續的資金投入與攻關是不可或缺的。只有不斷資源投入，推動模型的迭代更新與優化，才能確保模型在實際應用中展現出不錯的性能與效果。