1.一种基于深度域地震波频散反演的储层含气量预测方法,其特征在于,所述含气量预测方法包括:获取井数据和地震数据;
对井数据和地震数据进行精细井震标定;
在井震标定的基础上,将时间域地震记录转换到深度域;
在深度域进行地震波频散分析,提取能够表征储层含气量的深度域频散属性;
以井点的储层含气量信息为标签,提取的地震波频散属性为输入,建立深度域储层含气量预测深网络映射模型;
输入研究区目标层的地震波频散属性,实现从已知到未知的储层含气量直接反演预测,获得研究区目标层的含气量分布;
所述井震标定的实质是调整时深关系,把时间域的地震信息与深度域的测井信息准确无缝地对应起来,首先利用整体时移将目标层的地震与合成记录的大套层位对齐,然后再利用局部的拉伸或压缩对小层进行微调,微调时要保证时深关系的改变是合理的;
所述将时间域地震记录转换为深度域地震记录,具体为:利用测井资料进行层位划分并建立深-时关系,根据多层介质反射系数的波动方程推导公式,求取频率域的反射系数;对时间域的井旁道记录利用同态反褶积方法提取地震子波,得到频率域的子波谱;利用频率域褶积模型计算合成记录,作反傅里叶变换得到时间域合成地震记录,再根据时深关系求出每个时域采样点对应的深度点,按照所要求的深度采样间隔进行重采样,得到深度域合成地震记录;
所述的深度域频散属性是在深度域进行地震波频散定量测算获得的,是地震信号在地下介质中传播时,信号在频率域中振幅或能量衰减变化的一种可观测的“体”响应属性;
所述深网络模型为集成卷积神经网络与循环神经网络优势的融合网络,其中,卷积网络用于建立深度域地震波频散属性和储层含气量之间的非线性映射关系,循经网络用于融入地震波频散属性纵向上的关联信息;
所述建立深网络模型的数据包括实际数据、合成数据或实际数据与合成数据的混合数据,应视研究区的具体情况合理选择使用。
2.根据权利要求1所述的一种基于深度域地震波频散反演的储层含气量预测方法,其特征在于:深度域成像点归位更准确,测算的属性空间位置更精确,能够更好的服务于储层含气量预测工作。
3.根据权利要求1所述的一种基于深度域地震波频散反演的储层含气量预测方法,其特征在于:在深度域进行地震波频散分析,提取能够表征储层含气量的深度域频散属性;在此基础上,提取井位处的深度域地震波频散属性数据,建立深度域地震波频散属性与储层含气量对应关系,进而获得构建深网络模型的数据库。
4.根据权利要求1所述的一种基于深度域地震波频散反演的储层含气量预测方法,其特征在于:所述储层含气量预测是在空间域进行的,由于在相同的时间间隔内,因岩石速度的不同,地震波实际穿过的岩层厚度差别可能会很大,此时如用在时间域测算的频散值来估算储层的含气量就会得出错误的结果。
5.根据权利要求1所述的一种基于深度域地震波频散反演的储层含气量预测方法,其特征在于:以深度域地震波频散分析为基础,利用深度网络建立频散属性与含气量之间的非线性映射模型,解决了深层储层含气量预测难题,为油气勘探开发提供了重要的参考依据。