基于数据与模型联合驱动的波阻抗反演方法 |
| |
引用本文: | 桑文镜,袁三一,丁智强,于越,刘浩杰,韩智颖.基于数据与模型联合驱动的波阻抗反演方法[J].地球物理学报,2024(2):696-710. |
| |
作者姓名: | 桑文镜 袁三一 丁智强 于越 刘浩杰 韩智颖 |
| |
作者单位: | 1. 中国石油大学(北京)地球物理学院;2. 中国石化集团公司胜利油田物探研究院 |
| |
基金项目: | 国家重点研发计划(2018YFA0702504);;国家自然科学基金(41974140,42174152); |
| |
摘 要: | 井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.
|
关 键 词: | 数据与模型联合驱动 波阻抗反演 初始模型 井震联合 双向门控递归单元 |
|
|