声阻抗和孔隙度耦合的数据驱动联合反演

【作者】 张健； 李景叶； 薛怡然； 杜皓琦；

【机构】 地球科学与环境工程学院西南交通大学； 油气资源与工程全国重点实验室中国石油大学(北京)；

【摘要】 地震反演和岩石物理反演是勘探地球物理中获取油藏表征所必需的弹性和物性参数最常用的方法。深度学习通过利用大量标记训练数据建立输入与目标之间的映射关系,已成功应用于求解逆问题(如地震反演和岩石物理反演)。一方面,深度学习反演方法的性能很大程度上取决于训练数据集的多样性。然而,实际生产井数量有限,这极大地限制了基于深度学习的反演方法的应用。另一方面,基于深度学习的反演方法通常独立计算弹性和物性参数,缺乏明确的物理意义,反演结果误差大。为了克服这些问题,考虑到测井资料中弹性参数和物性参数的空间变异性,本研究首先基于地质统计学生成大量真实的伪测井和叠后地震数据,以保证网络训练所需数据的多样性。同时,提出一种融合神经网络架构构建具有明确物理意义的网络,以同时估计有限井数据条件下储层的声阻抗和孔隙度。实际数据应用验证了提出方法的有效性。更多还原