地质学与地球物理学杂志
开放获取

抽象的

使用概率神经网络和叠后反演预测埃及蓝宝石油田地中海储层特征

艾哈迈德·阿博萨拉马*

使用地震反演来解释可能储量的地球物理参数。它对于估算孔隙度、饱和度和页岩含量至关重要。本文讨论了利用基于模型的地球物理参数利用地震反演来解释潜在储量。它对于确定孔隙度、饱和度和页岩含量至关重要。本文探讨了使用基于模型的地震反演和概率神经网络来表征储层。为了使这项作业更容易，本文分为两部分。根据在研究区域 (Sapphire Deep Seismic-2010) 收集的 3D 地震数据，基于模型的反演用于生成声阻抗值。地震数据用于分析五根测井曲线。合成数据与地震数据之间的平均相关系数为0.997，误差为7%，表明基于模型的反演的效用。其次，使用估计的有效孔隙度、含水饱和度和页岩体积来训练和验证概率神经网络 (PNN)。使用经过验证的概率神经网络获得有效孔隙度、含水饱和度和页岩体积的 3D 变化。

我们的研究揭示了 Sapphir-80 河道中未钻探的部分具有良好的石油物理参数，表明存在大量的天然气和凝析油。

地震反演将观测到的地震数据与解释的可能储量的弹性物理参数联系起来。叠后地震反演用于估计储层参数，如孔隙度、饱和度、页岩含量等。描述了基于模型的地震反演和概率神经网络在叠后地震数据中的应用，以进行储层表征。本次作业的论文分为两篇。使用研究区 (Sapphire Deep Seismic-2010) 记录的时域 3D 地震数据进行初始叠后地震反演，近似声阻抗 (AI) 值。收集了五口井的地震数据。合成数据与地震数据的平均相关系数为0.997，误差为7%，模型反演是有效的。第二，使用井场数据对概率神经网络 (PNN) 进行训练和验证。在地震体上，概率神经网络计算 3D 中的有效孔隙度、含水饱和度和页岩体积波动。

目前的分析预测 Sapphir-80 通道中的未钻探区域具有良好的石油物理参数，表明存在大量天然气和凝析油。