223 / 2022-03-18 20:23:02

基于条件生成对抗网络的辫状河储层砂体建模方法研究

人工智能；深度学习；条件生成对抗网络；储层建模；辫状河

目前的建模方法主要应用于曲流河砂体，对于辫状河的针对性建模方法却鲜有报道。传统建模方法中基于目标的方法难以条件化，多点地质统计学难以再现连续河道的形态。由于辫状河形态复杂，这些不足造成了所建模型难以刻画辫状河储层的形态。生成式对抗网络是当前人工智能领域最为重要的研究热点之一，被广泛应用于各种模型和图像的生成。GAN通过不断地训练数据集，可以提取足够多的辫状河形态特征，生成细节足够丰富的模型，它即能再现复杂的辫状河形态，又能很好的满足井点条件，弥补了传统建模算法的不足。在辫状河储层砂体的建模过程中，首先通过人机联合的方法根据工区辫状河储层砂体特征建立了300个模型，其次通过卷积神经对300个辫状河模型进行特征提取来学习形态结构，获取心滩及河道细节特征，随后通过条件式生成对抗网络建立可以生成辫状河砂体模型的生成器，最后以井点数据为条件数据，通过生成器建立满足辫状河复杂形态和井点数据的储层砂体模型。研究结果表明，该建模方法能有效再现辫状河储层砂体复杂形态，又能很好的与井点条件吻合，克服了传统基于目标模拟方法的缺点，所建模型可作为油田开发阶段的参考。