碎屑岩储层智能表征与建模方法研究现状及展望

【作者】 岳大力； 李伟； 王武荣； 孙盼科； 吴胜和； 徐振华； 刘磊； 邬德刚； 屈林博； 任柯宇； 林津； 张姝琪；

【机构】 油气资源与工程全国重点实验室(中国石油大学(北京))； 中国石油大学(北京)地球科学学院； 中国石油大学(北京)人工智能学院；

【摘要】 碎屑岩储层是中国乃至全球油气资源的重要载体。受限于碎屑岩储层非均质性强、地下表征资料相对不足的客观条件,传统的表征与建模技术长期以来难以满足地下储层精细勘探与高效开发的需求。21世纪以来,众多学者逐步尝试将人工智能技术引入碎屑岩储层表征与建模领域,并在近10年取得快速发展。鉴于此,作者系统梳理了智能化技术在碎屑岩储层表征与建模领域的发展历程与研究现状,重点阐述了储层参数测井智能解释、智能化断层与地层构造解析、井震融合智能储层预测、智能三维地质建模的最新研究进展与应用效果,并分析了不同智能化储层表征与建模技术面临的挑战与未来的发展方向。总体而言,上述碎屑岩储层智能表征技术在不同程度上面临着高质量样本不足、智能学习模型泛化能力较差、知识驱动与数据驱动融合程度低等难题,未来仍有巨大的发展空间与良好的应用前景。(1)陆相碎屑岩强非均质油藏地质模式:陆相碎屑岩储层内部从复合砂体、单砂体、孔隙等不同层次上均表现出强烈的非均质性,导致高含水油藏开发中后期剩余油高度分散、非常规油气储层甜点分布复杂,预测难度大。然而,陆相碎屑岩强非均质油藏地质模式尚未系统建立,包括陆相含油气盆地从源到汇的复杂沉积体系差异构型模式、基质储层质量差异模式、多尺度裂缝分布模式,已成为当前国际沉积学领域的热点与难点问题。未来研究亟需持续深化野外露头、现代沉积、水槽模拟实验与沉积数值模拟等原型模型研究,系统构建一套陆相碎屑岩强非均质油藏地质模式,为知识与数据双驱动的智能储层表征技术研发提供知识图谱。(2)知识与数据双驱动的油藏智能表征与建模技术系列:随着勘探开发的深入与油藏表征精度的持续提高,能够用于地下油藏精细表征的数据总是相对不足的,因此要在挖掘数据特征的同时充分考虑地质知识以提高预测精度。知识与数据双驱动的油藏智能表征与建模技术系列逐步成为当前研究的国际前沿领域与热点与难点。一方面在机器学习领域,对于知识的定义本身存在一定争议;另一方面在深度学习与储层智能表征与建模过程中,如何引入知识并实现知识与数据的联合驱动,尚处于起步与探索阶段,并未形成较为成熟的理论体系与技术流程。在未来研究中,建议重点关注以下两个方面:首先,需要建立更加系统化、规范化的算法选择框架;其次,应深入探究不同算法在地球物理特征提取过程中的内在作用机制。这些研究将有助于推动藏智能表征与建模技术向智能化、精准化方向进一步发展。(3)智能油藏表征与建模技术推广应用:智能油藏表征与建模技术作为复杂油气藏效益勘探开发的核心驱动力,其在油田展现出极其广阔的应用前景。该技术的持续深化与迭代升级,可显著提升对复杂地质体,尤其是深水、深层及非常规油气储层的解释精度,有效突破强非均质储层参数及储层分布预测难、效率低等瓶颈问题。同时,对于我国普遍面临的陆相高含水乃至特高含水老油田,智能油藏建模-数模一体化、地质-工程一体化的发展,能够有助于精细刻画地下剩余油的分布规律,为制定科学高效的挖潜策略提供有力的数据支撑和决策依据。因此,智能油藏表征与建模技术的广泛应用,对于充分挖掘陆相高-特高含水老油田剩余油资源潜力、延长油田生命周期,助力非常规油气藏规模高效开发、保障国家能源安全,具有重大而深远的战略意义。更多还原