低渗气藏储量规模大，是未来重要的储量发现及开发领域，但低渗储层孔隙占比小，岩石骨架对地层岩石物理性质起控制作用，孔隙及孔隙流体贡献小，导致低渗储层非均质性强，岩石物理关系及地震响应特征复杂。常规储层参数预测方法利用测井弹性参数曲线与储层参数曲线开展岩石物理分析，构建储层参数与弹性参数的线性、非线性关系来预测储层参数，但海上油气勘探受钻完井成本限制，钻井密度低，测井实测样本点少，导致数学上的统计表征不具备岩石物理意义，储层参数预测不确定性强、精度低。为此，提出基于岩石物理建模引导的低渗气藏储层参数预测方法。首先建立频变岩石物理模型，通过实验室岩心声学测量结果与实测测井资料分别在超声频段及测井频段对模型进行标定，确定合理的岩石物理模型参数，消除速度频散的影响。在此基础上，通过岩石物理模型正演，获得大量弹性参数随储层参数变化的样本点，再利用深度学习神经网络算法对大样本点进行训练学习，构建储层参数与弹性参数之间的深度神经网络结构，并将叠前同时反演获得的弹性参数体应用于该网络，最终获得储层参数体预测结果。该方法应用于莺歌海盆地东方区K气田低渗储层参数预测，通过预测结果与测井曲线交会分析，以10%测井孔隙度为例，常规方法预测孔隙范围为4%至16%，新方法预测孔隙度范围为8%至12%，预测精度大幅提升，取得良好实际应用效果。
 

低渗气藏、岩石物理建模 ，深度学习，储层参数预测