本发明涉及一种碳酸盐岩圈闭识别方法、装置、存储介质及电子设备。
背景技术：
1、碳酸盐岩区域的石油与天然气资源非常丰富，是出产石油与天然气的常见区域。在油气田勘探、开发及评价过程中，为了确定油藏规模和计算储量，需要准确识别碳酸盐岩储层圈闭边界，掌握储层的孔隙度和厚度。这就需要开展断裂检测、碳酸盐岩孔洞储层预测等研究，然后综合评价圈闭规模。
技术实现思路
1、为了减少地震地质解释人员对圈闭的主观影响，减少预测多解性，提高碳酸盐岩圈闭识别的精度及工作效率，本发明提供一种碳酸盐岩圈闭识别方法、装置、存储介质及电子设备。本发明提出的技术方案如下：
2、作为本发明的第一个方面，提供一种碳酸盐岩圈闭识别方法，包括：
3、获取地震数据和碳酸盐岩目的层构造层位；其中，所述构造层位为在地震数据上解释完成的目的层顶和/或目的层底的时间层位；
4、将所述地震数据输入预先构建的断裂检测模型中，得到全区断裂分布数据；
5、将所述地震数据输入预先构建的孔隙度预测模型中预测得到全区储层孔隙度数据体；其中，所述孔隙度预测模型是基于所述目的层构造层位的地震数据训练得到的；
6、基于所述全区断裂分布数据，确定断层与储层的切割关系；
7、根据所述全区储层孔隙度数据体和所述切割关系确定圈闭边界并计算圈闭资源量规模。
8、在一些实施例中，所述断裂检测模型通过下述方式训练得到：
9、选取若干地震线，获取所述若干地震线的断层解释结果，根据所述断层解释结果生成标签向量；
10、将带有标签向量的若干地震线的地震数据输入u_net深度学习网络模型进行断裂检测得到输出向量，利用交叉熵计算所述输出向量和标签向量的损失函数；
11、基于所述损失函数经过多次迭代不断更新所述u_net深度学习网络模型的网络模型参数，直至所述损失函数达到预设要求，得到断裂检测模型；
12、所述损失函数通过下式确定；
13、
14、式中，表示损失函数，i表示图像中第i个像素点，n表示图像中所有像素点的个数，a表示所有断层点在整个图像中的比例，β表示所有非断层点在整个图像中的比例，yi表示标签向量，为输出向量，表示预测的断裂数据；
15、所述预测的断裂数据为：
16、
17、式中，x表示地震数据，w、b表示网格模型参数的权重和偏置。
18、在一些实施例中，所述孔隙度预测模型通过下述方式训练得到：
19、获取所述目的层构造层位其不同井点位置的原始地震数据，采用消除强反射屏蔽方法对所述原始地震数据进行处理，得到消除储层顶部地震反射的地震数据；
20、根据钻井资料获取所述目的层构造层位其不同井点位置的储层孔隙度；
21、通过神经网络算法建立原始地震数据和消除储层顶部地震反射的地震数据与储层孔隙度的非线性映射关系，得到所述孔隙度预测模型。
22、在一些实施例中，所述通过神经网络算法建立原始地震数据和消除储层顶部地震反射的地震数据与储层孔隙度的非线性映射关系，得到所述孔隙度预测模型，包括：
23、获取所述目的层构造层位其不同井点位置的测井曲线，所述测井曲线至少包括声波时差曲线，开展井-震合成记录标定，将钻井深度与地震上的时间位置一一对应，得到标定后的测井曲线；
24、通过钻井资料获取所述目的层构造层位其不同井点位置的储层所在深度，基于所述标定后的测井曲线确定所述储层所在深度对应的地震上的时间位置；
25、基于所述储层所在深度对应的地震上的时间位置，确定储层孔隙度对应的原始地震数据和消除储层顶部地震反射的地震数据，以储层孔隙度与对应的原始地震数据、消除储层顶部地震反射的地震数据为训练样本，对神经网络模型进行训练，得到所述孔隙度预测模型。
26、在一些实施例中，所述开展井-震合成记录标定，将钻井深度与地震上的时间一一对应，得到标定后的测井曲线，包括：
27、对声波时差曲线取倒数得到速度曲线，根据速度曲线进行拟合得到密度曲线；
28、将所述速度曲线与所述密度曲线相乘得到波阻抗曲线；
29、从地震数据中提取地震子波；
30、对所述地震子波和所述波阻抗曲线进行褶积运算，得到合成记录；
31、获取井旁地震数据，将所述合成记录与井旁地震数据进行比较得到比较结果，并根据所述比较结果对所述合成记录的反射时间进行调整，以使得合成记录与井旁地震数据达到匹配，得到标定后的测井曲线；其中，所述合成记录与井旁地震数据达到匹配包括：合成记录的波峰位置与井旁地震数据的波峰位置重合，合成记录的波谷位置与井旁地震数据的波谷位置重合。
32、在一些实施例中，所述采用消除强反射屏蔽方法对所述原始地震数据进行处理，得到消除储层顶部地震反射的地震数据，包括：
33、根据原始地震数据生成用于地震正演的地震子波；
34、基于构造层位，在给定时窗范围内，通过原始地震数据得到波峰或波谷的幅值并根据如下式得到储层顶面反射系数：
35、
36、式中，r(t)表示储层顶面反射系数，t表示储层顶面时间，t表示时间，r表示常数，zj表示构造层位之下地层的波阻抗值，zi表示构造层位之上地层的波阻抗值；
37、对所述储层顶面反射系数和所述地震子波通过下式进行褶积得到储层顶面的单反射系数合成地震记录：
38、sy(t)＝w(t)*r(t)；
39、其中，sy(t)表示储层顶面的单反射系数合成地震记录，w(t)表示地震子波，r(t)表示储层顶面反射系数；
40、将原始地震数据和储层顶面的单反射系数合成地震记录相减，生成消除储层顶部地震反射的地震数据。
41、在一些实施例中，所述基于所述全区断裂分布数据，确定断层与储层的切割关系，包括：
42、基于所述全区断裂分布数据提取碳酸盐岩储层时间窗口内的断层数据平面属性值；
43、获取碳酸盐岩孔隙度数据，根据碳酸盐岩孔隙度数据计算储层厚度平面图；
44、根据所述断层数据平面属性值和所述储层厚度平面图，确定断层与储层的切割关系。
45、在一些实施例中，所述根据碳酸盐岩孔隙度数据计算储层厚度平面图，包括：
46、根据碳酸盐岩孔隙度数据和孔隙度阈值通过下式确定目标孔隙度：
47、
48、其中，bi′,j(t)为网格(i，j)处时间t位置的目标孔隙度，bi,j(t)为网格(i，j)处时间t位置的孔隙度数据，p为孔隙度阈值；
49、根据储层所在的纵向上时间深度设定时窗，根据所述时窗内的所述目标孔隙度通过下式计算储层时间厚度值，得到储层时间厚度平面图：
50、
51、其中，ti,j为网格(i，j)处储层时间厚度值，t0为时窗的顶部时间值，t1为时窗的底部时间值；
52、基于所述储层时间厚度平面图，结合速度测井曲线，通过下式确定储层厚度平面图：
53、
54、其中，v为由速度测井曲线得到的碳酸盐岩地层平均速度，ui,j为网格(i,j)处储层厚度值。
55、在一些实施例中，所述根据所述断层数据平面属性值和所述储层厚度平面图，确定断层与储层的切割关系，包括：
56、基于所述断层数据平面属性值判断同一断层是否过所述储层厚度平面图中的两个储层厚度0值点；
57、若是，则所述断层完全切割所述储层，将该断层作为储层厚度0值线；
58、若否，则所述断层不完全切割所述储层。
59、在一些实施例中，所述根据所述全区储层孔隙度数据体和所述切割关系确定圈闭边界并计算圈闭资源量规模，包括：
60、根据所述储层厚度0值线及与储层的切割关系为完全切割的断层确定圈闭边界；
61、根据所述储层孔隙度及所述储层厚度平面图和所述圈闭边界，通过下式确定圈闭资源量规模：
62、
63、式中，v为圈闭资源量规模，m和n分别为圈闭边界内沿inline和xline方向的网格数，ti,j为网格(i,j)处的储层厚度值，pi,j为网格(i,j)处的储层孔隙度。
64、作为本发明的第二个方面，提供一种碳酸盐岩圈闭识别装置，包括：
65、获取模块，用于获取地震数据和碳酸盐岩目的层构造层位；其中，所述构造层位为在地震数据上解释完成的目的层顶和/或目的层底的时间层位；
66、断裂检测模块，用于将所述地震数据输入预先构建的断裂检测模型中，得到全区断裂分布数据；
67、预测模块，用于将所述地震数据输入预先构建的孔隙度预测模型中预测得到全区储层孔隙度数据体；其中，所述孔隙度预测模型是基于所述目的层构造层位的地震数据训练得到的；
68、切割关系确定模块，用于基于所述全区断裂分布数据，确定断层与储层的切割关系；
69、计算模块，用于根据所述全区储层孔隙度数据体和所述切割关系确定圈闭边界并计算圈闭资源量规模。
70、作为本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的碳酸盐岩圈闭识别方法。
71、作为本发明的第四个方面，提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
72、存储器，用于存放计算机程序；
73、处理器，用于执行存储器上所存放的程序时，实现如第一方面所述的碳酸盐岩圈闭识别方法。
74、基于上述技术方案，本发明较现有技术而言的有益效果为：
75、本发明提供的碳酸盐岩圈闭识别方法，通过获取地震数据和碳酸盐岩目的层构造层位；其中，目的层构造层位为在地震数据上解释完成的目的层顶和/或目的层底的时间层位；将地震数据输入预先构建的断裂检测模型中，得到全区断裂分布数据；在断裂解释过程中，采用预先构建的断裂检测模型实现断裂检测，大幅度提高断裂解释效率，采用断裂检测模型自动进行断裂预测，减少地震地质解释人员对断裂解释的主观影响。并根据孔隙度预测模型进行储层孔隙度预测，减少解释人员主观性影响带来的预测多解性；而且，在储层孔隙度预测中，孔隙度预测模型是基于目的层构造层位的地震数据训练得到的，本发明首次将储层目的层储层顶部及底部的地震信息同时用于建立神经网络映射关系，提高了储层预测精度；再基于全区断裂分布数据，确定断层与储层的切割关系；最后，根据高精度的储层孔隙度和切割关系确定圈闭边界并计算圈闭资源量规模，提高了圈闭识别精度及效率，对油气勘探具有明显的现实意义。
76、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
77、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种碳酸盐岩圈闭识别方法，其特征在于，包括：
2.根据权利要求1所述的碳酸盐岩圈闭识别方法，其特征在于，所述断裂检测模型通过下述方式训练得到：
3.根据权利要求1所述的碳酸盐岩圈闭识别方法，其特征在于，所述孔隙度预测模型通过下述方式训练得到：
4.根据权利要求3所述的碳酸盐岩圈闭识别方法，其特征在于，所述通过神经网络算法建立原始地震数据和消除储层顶部地震反射的地震数据与储层孔隙度的非线性映射关系，得到所述孔隙度预测模型，包括：
5.根据权利要求4所述的碳酸盐岩圈闭识别方法，其特征在于，所述开展井-震合成记录标定，将钻井深度与地震上的时间一一对应，得到标定后的测井曲线，包括：
6.根据权利要求3所述的碳酸盐岩圈闭识别方法，其特征在于，所述采用消除强反射屏蔽方法对所述原始地震数据进行处理，得到消除储层顶部地震反射的地震数据，包括：
7.根据权利要求1所述的碳酸盐岩圈闭识别方法，其特征在于，所述基于所述全区断裂分布数据，确定断层与储层的切割关系，包括：
8.根据权利要求7所述的碳酸盐岩圈闭识别方法，其特征在于，所述根据碳酸盐岩孔隙度数据计算储层厚度平面图，包括：
9.根据权利要求8所述的碳酸盐岩圈闭识别方法，其特征在于，所述根据所述断层数据平面属性值和所述储层厚度平面图，确定断层与储层的切割关系，包括：
10.根据权利要求9所述的碳酸盐岩圈闭识别方法，其特征在于，所述根据所述全区储层孔隙度数据体和所述切割关系确定圈闭边界并计算圈闭资源量规模，包括：
11.一种碳酸盐岩圈闭识别装置，其特征在于，包括：
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10任一项所述的碳酸盐岩圈闭识别方法。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
