超深层断缝带岩溶缝洞体储层结构分析与智能预测

doi:10.13745/j.esf.sf.2024.5.31

地学前缘 ›› 2025, Vol. 32 ›› Issue (2): 311-331.DOI: 10.13745/j.esf.sf.2024.5.31

超深层断缝带岩溶缝洞体储层结构分析与智能预测

李凤磊¹^,²^,³^,⁴(), 林承焰¹^,²^,³^,^*(), 王蛟⁴, 任丽华¹^,²^,³, 张国印¹^,²^,³, 朱永峰⁵, 李世银⁵, 张银涛⁵, 关宝珠⁵

1.深层油气全国重点实验室(中国石油大学(华东)), 山东青岛 266580
2.山东省油藏地质重点实验室, 山东青岛 266580
3.中国石油大学(华东)地球科学与技术学院, 山东青岛 266580
4.山东石油化工学院, 山东东营 257061
5.中国石油塔里木油田勘探开发研究院, 新疆库尔勒 841000

收稿日期:2024-01-05 修回日期:2024-04-10 出版日期:2025-03-25 发布日期:2025-03-25
通信作者: *林承焰(1963—),男,教授,博士生导师,主要从事储层地质学和油气藏描述、沉积学、油气地质与勘探。E-mail: lincy@upc.edu.cn
作者简介:李凤磊(1984—),男,博士研究生, 研究方向为储层地质学及油气藏描述。 E-mail: lfl_winter@163. com
基金资助:
国家自然科学基金项目(42002144);中石油重大科技项目(ZD2019-183-006)

Structure analysis and intelligent prediction of carbonate fractured-vuggy reservoirs in ultra-deep fracture zone

LI Fenglei¹^,²^,³^,⁴(), LIN Chengyan¹^,²^,³^,^*(), WANG Jiao⁴, REN Lihua¹^,²^,³, ZHANG Guoyin¹^,²^,³, ZHU Yongfeng⁵, LI Shiyin⁵, ZHANG Yintao⁵, GUAN Baozhu⁵

1. State Key Laboratory of Deep Oil and Gas, China University of Petroleum (East China), Qingdao 266580, China
2. Shandong Key Laboratory of Oil Reservoir Geology, Qingdao 266580, China
3. School of Geosciences, China University of Petroleum (East China), Qingdao 266580, China
4. Shandong Institute of Petroleum and Chemical Technology, Dongying 257061, China
5. Research Institute of Petroleum Exploration and Development,Tarim Oilfield Company, PetroChina, Korla 841000, China

Received:2024-01-05 Revised:2024-04-10 Online:2025-03-25 Published:2025-03-25

摘要/Abstract

摘要：

塔里木盆地超深层断缝带岩溶缝洞体储层主要集中于断裂带附近,垂向深度大、水平宽度小,对储层识别精度要求高。常规缝洞体识别主要针对其振幅响应特征采取各种技术手段,只能提供储层走向和储集体大致范围。本文提出一种基于二维Res-UNet残差网络和标签数据优化相结合的断缝带缝洞储集体精细解释方法,通过提高二维训练样本更新频率和优化效率,修改Res-UNet残差网络结构,达到提高储层预测精度的目的。本次研究中,将卫星图像、无人机扫描、现场踏勘和地质雷达等信息与地震资料初步解释成果相结合,明确了断裂、裂缝和锥形溶洞为主的地质模型。通过深度域三维地震数据体子波分析、成像测井、声波测井等提取地层和储层速度,选择20、25和35 Hz共3个主频雷克子波,制作了不同储层宽度正演模型,拟合出基于频率和地层速度的储层宽度与其地震响应之间的关系经验公式,通过钻穿储层的水平井轨迹、直井远探测数据和测井数据等,提取实际资料中的储层宽度与地震响应关系完成验证。基于这一公式,结合研究区目的层振幅属性,提取目的层的储集体宽度范围。同时,根据三维地震剖面分析,得出研究区储集体组合特征,通过分析、设计、验证和重新设计等试验流程,针对研究区正演模型设计最优的子波、偏移孔径和采样间隔等参数。建立起可实时更新的二维训练样本库,并利用合成缝洞数据和实际缝洞数据相结合的方法对缝洞标签进行迭代优化。基于这一样本库,开展二维Res-UNet残差网络训练与预测,解决深层网络的退化问题,最终实现了缝洞体结构的精细预测。

关键词: 塔里木盆地, 超深断控岩溶缝洞储层, 深度学习, 残差网络, 样本库优化

Abstract:

Ultra-deep carbonate fractured-vuggy reservoirs, typically located near fault zones, are characterized by significant burial depth, large vertical extent, and narrow horizontal distribution, making seismic identification highly challenging. Conventional fracture-vuggy identification techniques primarily rely on amplitude response characteristics, which only provide the general orientation and approximate extent of the reservoir. To address these limitations, a refined interpretation method for fractured-vuggy reservoirs was proposed based on a two-dimensional Res-UNet residual network and optimized label data. This method enhances the update frequency and optimization efficiency of 2-D training samples by modifying the Res-UNet residual network structure, thereby improving the accuracy of reservoir prediction. Geological models of faults, fractures, and karst caves were constructed using a combination of satellite imagery, UAV scanning, field reconnaissance, geological radar, and seismic interpretation results. Wavelet analysis of 3-D seismic data in the depth domain, along with imaging and acoustic logging, was performed to extract formation and reservoir velocities. Wavelets at frequencies of 20 Hz, 25 Hz, and 35 Hz were selected to create forward models for different reservoir widths. An empirical formula was derived to establish the relationship between reservoir characteristics and seismic response based on frequency and formation velocity. Verification of the empirical formula was conducted using horizontal well trajectories, vertical well remote detection data, and logging data to extract the relationship between actual reservoir characteristics and seismic responses. This formula was then applied to amplitude attributes of the target layer in the study area to estimate the reservoir width range. The reservoir combination characteristics of the study area were identified, and a comprehensive detection workflow—incorporating analysis, design, verification, and redesign—was established through the analysis of 3-D seismic profiles. Optimal parameters, including wavelet frequency, migration aperture, and sampling interval, were designed for the forward model of the study area. A 2-D training sample database capable of real-time updates was developed, and the fracture-vuggy labels were iteratively optimized by integrating synthetic fracture-vuggy data with actual data. Using this database, the Res-UNet residual network was trained and applied to address the degradation problem commonly encountered in deep networks. This approach enabled the fine-scale prediction of fracture-vuggy structures, significantly improving the resolution and accuracy of reservoir interpretation.

Key words: Tarim Basin, fault-controlled fracture-vuggy reservoirs, deep learning, Res-UNet residual network, sample library optimization

中图分类号:

P631

李凤磊, 林承焰, 王蛟, 任丽华, 张国印, 朱永峰, 李世银, 张银涛, 关宝珠. 超深层断缝带岩溶缝洞体储层结构分析与智能预测[J]. 地学前缘, 2025, 32(2): 311-331.

LI Fenglei, LIN Chengyan, WANG Jiao, REN Lihua, ZHANG Guoyin, ZHU Yongfeng, LI Shiyin, ZHANG Yintao, GUAN Baozhu. Structure analysis and intelligent prediction of carbonate fractured-vuggy reservoirs in ultra-deep fracture zone[J]. Earth Science Frontiers, 2025, 32(2): 311-331.

图/表 25

图1 塔里木盆地区域地质背景与研究区构造特征 a—塔里木盆地区域构造图;b—研究区一间房组顶界构造叠合断裂解释成果图。

Fig.1 The regional geological background of Tarim Basin and the structural characteristics of the study area

图2 基于野外地质露头和钻井信息建立的缝洞体地质模型 a—一间房组露头无人机扫描结果和断裂解释成果;b—探地雷达剖面和解释成果;c—一间房组露头西侧立体扫描图像和溶洞探测成果投影;d—一间房组溶洞与断裂组合特征和解释成果;e—溶洞内部踏勘;f—一间房组露头立体地质模型;g—研究区目的层成像测井结果;h—研究区钻井取心高陡裂缝图像;i—基于露头建立的断缝带组合地质模型。

Fig.2 The geological model of fracture-vuggy body is established based on geological outcrop and drilling information

图3 研究区典型的井组缝洞体地震响应与单井生产情况

Fig.3 Seismic response and single well production of typical well group fracture-vuggy body in the study area

图4 多种类型储层成像测井与声波时差对应关系图 a—溶洞型储层;b—缝洞型储层;c—孔洞型储层;d—裂缝型储层;e—基岩。

Fig.4 The corresponding relationship between FMI and AC of various types of reservoirs

图5 基于声波时差分析研究区地层与储层速度曲线和分布范围 a—目的层段声波时差和地层速度特征;b—研究区储层速度分布曲线;c—井声波时差获取地层速度曲线。

Fig.5 The analysis of velocity curve and distribution range of strata and reservoirs in the study area based on AC

图6 时间域雷克子波与深度域雷克子波变化关系

Fig.6 The relationship between time domain and depth domain Rake wavelet

图7 深度域雷克子波剖面特征 a—研究区一间房组“串珠”地震相变密度显示和尺度参数;b—研究区一间房组“串珠”地震相波形显示;c—一间房组顶不整合面子波反射特征;d—时间域不同地层界面反射波形特征;d—深度域不同地层界面反射波形特征。

Fig.7 Characteristics of Rake wavelet profile in depth domain

图8 使用不同偏移孔径进行偏移计算得到的剖面结果 a—断缝洞正演模型;b—偏移孔径为10 m;c—偏移孔径为100 m;d—偏移孔径为300 m;d—偏移孔径为600 m;;d—偏移孔径为1 000 m。

Fig.8 The results obtained by migration calculation with different migration apertures

图9 斜穿断缝带钻井轨迹对应的测井曲线与地震剖面 a—钻穿缝洞体储层井综合录井图;b—钻穿模式;c—未钻穿缝洞体储层井综合录井图;d—未钻穿模式;e—钻穿缝洞体储层过井地震剖面;d—未钻穿缝洞体储层过井地震剖面。

Fig.9 The logging curve and seismic profile corresponding to the drilling trajectory of the inclined fracture zone

图10 断缝带储层声波远探测结果与其对应的地震资料特征 a—单井远探测结果与成像测井结果;b—一间房组顶断裂带振幅属性成果图与远探测井位置;c—过远探测井地震剖面。

Fig.10 The results of acoustic remote detection of reservoir in fault fracture zone and its seismic data characteristics

图11 正演模型计算结果与缝洞体-地震响应宽度关系数据图 a—多宽度缝洞体储层正演速度模型;b—主频35 Hz雷克子波正演结果;c—主频25 Hz雷克子波正演结果;c—主频20 Hz雷克子波正演结果。

Fig.11 Seismic forward results and the relationship between the width of reservoirs and its seismic response

图12 缝洞体-地震响应宽度关系经验公式拟合过程图 a—多频率缝洞体与地震响应宽度关系曲线对比图;b—关系曲线线性段和公式;c—关系曲线抛物线段和公式;d—多频率关系曲线线性段常数项与子波参数La关系曲线;e—多频率关系曲线抛物线段一次项和二次项与子波参数La关系曲线;f—多频率关系曲线抛物线段常数项与子波参数La关系曲线。

Fig.12 Reservoirs and its seismic response empirical formula fitting process diagram

表1 实钻结果对应的地震响应宽度与公式计算结果对比数据表

Table 1 The seismic response width corresponding to the actual drilling results is compared with the formula calculation results

储层实际宽度/m	计算串珠宽度/m	实测串珠宽度/m	误差/%
35	145.6	150	-2.9
50	175.5	180	-2.5
120	258.0	250	3.2

表2 基于原油生产温度变化分析研究区油柱高度变化

Table 2 The change of oil column height in the study area based on the change of crude oil production temperature

油柱高度/m	油水界面/m	压降	产量	见水周期/月	井底流温变化	参与分析井
>500	300~500	稳定	高	尚未见水	Yuem5,7.2 ℃	Yuem5、Yuem2-3x、Yuem10、Yuem2-1、Yuem2-5x、 Yuem2-H6和Yuem2-H7
>200	100~200	见水波动	中等	30~50	无数据	Yuem5-1、Yuem5-3、Yuem5-5和Yuem4-4X
>100	50~100	快、不稳	低	1~20	无数据	Yuem2、Yuem2-2、Yuem5-2和Yuem5-4X

图13 典型的剖面解释结果设计的正演模型和预测结果 a1-a5—多种缝洞体组合的实际地震资料特征;b1-b5—多种缝洞体组合的地球物理正演剖面;c1-c5—多种缝洞体组合的正演速度模型。

Fig.13 The forward model and prediction results of typical section interpretation results

图14 不同模块结构对比 a—卷积模块;b—残差模块。

Fig.14 Comparison of different module structures

图15 本文所用残差模块结构

Fig.15 The residual module structure used in this paper

图16 利用地震资料表征断缝带缝洞体储层的二维残差Unet编码-解码网络对部分卷积层的特征进行可视化,并对其过程进行标注。这些特征被归一化为[0,1],并将编码器和解码器计算结果在图中用不同颜色表示。黑色箭头表示残差模块,蓝色箭头表示最大池化,黄色箭头表示瓶颈层的卷积和Leaky Relu激活操作,红色箭头表示上采样,紫色箭头表示一个以Sigmoid函数作为输出层的卷积层,灰色线为特征映射级联。

Fig.16 two-dimensional residual Unet coding-decoding network of fractured-vuggy reservoirs

图17 地质模式指导标签优选流程

Fig.17 Geological model guides the label optimization process

图18 高精度二维缝洞体制作和标签优化流程图

Fig.18 High-precision two-dimensional fracture-vuggy fabrication and label optimization flow chart

图19 网络训练迭代300次得到的准确率和损失 a—模型准确率;b—模型损失。

Fig.19 The accuracy and loss of the network training iteration 300 times are obtained

图20 网络训练预测的缝洞结果 a—正演地震数据样本;b—正演速度模型制作缝洞标签;c—正演样本缝洞预测结果。

Fig.20 The fracture-vuggy results predicted by network training

图21 不同工区地震数据采用间隔差异对比 a—哈拉哈塘地区采样点:128个,采样间隔:8 m,深度:1 024 m;b—跃满地区采样点:128个,采样间隔:4 m,深度:512 m。

Fig.21 The seismic data of different work areas are compared by sample difference

图22 研究区地震资料特征与预测结果对比 a—跃满地区地震资料一间房组沿层振幅属性;b—跃满地区缝洞储集体地震响应特征;b—跃满地区缝洞储集体预测结果沿层结果展示;d—跃满地区缝洞储集体预测结果剖面结果展示。

Fig.22 Comparison of seismic data characteristics and prediction results in the study area

图23 本文使用预测结果与其他储层预测结果比较 a—原始过井地震剖面;b—本文算法预测结果剖面;c—单井综合录井图;d—振幅属性剖面;e—伍新民算法和模型预测结果;f—张国印算法和模型预测结果。

Fig.23 The prediction results are compared with other reservoir prediction results in this paper

参考文献 51

[1]	ZHAO W Z, SHEN A J, QIAO Z F, et al. Carbonate Karst reservoirs of the Tarim basin, Northwest China: types, features, origins, and implications for hydrocarbon exploration[J]. Interpretation, 2014, 2(3):65-90.
[2]	ZHU G Y, MILKOV A V, ZHANG Z Y, et al. Formation and preservation of a giant petroleum accumulation in superdeep carbonate reservoirs in the southern Halahatang oil field area, Tarim basin, China[J]. Bulletin of the American Association of Petroleum Geologists, 2019, 103(7): 1703-1743.
[3]	樊太亮, 高志前, 吴俊. 塔里木盆地深层碳酸盐岩建造-改造作用与多类型储层有序性分布[J]. 地学前缘, 2023, 30(4): 1-18. DOI
[4]	李凤磊, 林承焰, 任丽华, 等. 塔里木盆地塔北地区多期断裂差异匹配控制下超深岩溶缝洞储层成藏特征[J/OL]. 地学前缘, 1-18[2024-2-05]. https://doi.org/10.13745/j.esf.sf.2023.9.5.
[5]	KREY T. The significance of diffraction in the investigation of faults[J]. Geophysics, 1952, 17(4):843-858. DOI: 10.1190/1.1437815.
[6]	赵惊涛, 王真理, 于彩霞. 地震勘探中的边缘绕射波及其动力学识别方法[J]. 地球物理学进展, 2011, 26(1): 194-206.
[7]	李阳. 塔河油田奥陶系碳酸盐岩溶洞型储集体识别及定量表征[J]. 中国石油大学学报(自然科学版), 2012, 36(1): 1-7.
[8]	李鹏飞, 崔德育, 黄诚. 地震资料处理解释一体化技术在塔北碳酸盐岩储层识别中的应用[J]. 石油地球物理勘探, 2018, 53(增刊2): 306-313, 19.
[9]	徐红霞, 沈春光, 李斌, 等. 多属性分析技术在碳酸盐岩断溶体预测中的应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 158-163, 8.
[10]	鲁新便, 胡文格, 汪彦. 塔河地区碳酸盐岩断溶体油藏特征与开发实践[J]. 石油与天然气地质, 2015, 36(3): 347-355.
[11]	姜仁旗, 吴键, CASTAGNA J, 等. 地球物理技术最新进展: 高分辨率地震频率和相位属性分析技术研究与应用效果[J]. 地学前缘, 2023, 30(1): 199-212. DOI
[12]	杨午阳, 杨佳润, 陈双全, 等. 基于U-Net深度学习网络的地震数据断层检测[J]. 石油地球物理勘探, 2021, 56(4): 688-697, 669.
[13]	WANG J, ZHANG J H, ZHANG J L, et al. Research on fault recognition method combining 3D Res-UNet and knowledge distillation[J]. Applied Geophysics, 2021, 18(2): 199-212.
[14]	王康, 刘彩云, 熊杰, 等. 基于全卷积残差收缩网络的地震波阻抗反演[J]. 物探与化探, 2023, 47(6): 1538-1546.
[15]	王莉利, 杜功鑫, 石颖, 等. 基于MultiResAttUnet网络的二维地震断层自动识别方法研究[J]. 地球物理学进展, 2023, 38(5): 2160-2171.
[16]	王玥天, 毛志强, 胡琮, 等. 基于深度卷积神经网络的岩石矿物组分含量测井评价方法研究[J]. 地球物理学进展, 2023, 38(2): 748-758.
[17]	孙冲, 雷刚林, 张银涛, 等. 基于深度残差网络的走滑断层智能识别方法: 以塔里木盆地富满油田为例[J]. 石油物探, 2024, 63(1): 129-137. DOI
[18]	张文起, 李春雷. 基于多层残差网络的地震提频处理在薄储集层识别中的应用[J]. 新疆石油地质, 2024, 45(1): 102-108.
[19]	WU X M, YAN S S, QI J, et al. Deep learning for characterizing paleokarst collapse features in 3-D seismic images[J]. Journal of Geophysical Research: Solid Earth, 2020, 125(9): e2020JB019685.
[20]	ZHANG G Y, LIN C Y, REN L H, et al. Seismic characterization of deeply buried paleocaves based on Bayesian deep learning[J]. Journal of Natural Gas Science and Engineering, 2022, 97: 104340.
[21]	闫星宇, 李宗杰, 顾汉明, 等. 基于深度卷积神经网络的地震数据溶洞识别[J]. 石油地球物理勘探, 2022, 57(1): 1-11, 264.
[22]	DECKER L, JANSON X, FOMEL S. Carbonate reservoir characterization using seismic diffraction imaging[J]. Interpretation, 2015, 3 (1): SF21-SF30.
[23]	余为维, 冯磊, 杜艳艳, 等. 煤层陷落柱的三维地震槽波正演模拟[J]. 煤炭技术, 2019, 38(3): 73-76.
[24]	王勤耕, 胡善政, 黄有晖, 等. 龙门山北段逆掩推覆构造三维地球物理模型构建[J]. 石油地球物理勘探, 2023, 58(6): 1359-1364.
[25]	姚姚, 唐文榜. 深层碳酸盐岩岩溶风化壳洞缝型油气藏可检测性的理论研究[J]. 石油地球物理勘探, 2003, 38(6): 623-629, 708-579.
[26]	杨平, 孙赞东, 李海银, 等. 影响岩溶缝洞体地震反射特征的关键因素分析[J]. 石油地球物理勘探, 2015, 50(3): 523-529, 6.
[27]	李凡异, 魏建新, 狄帮让, 等. 碳酸盐岩孔洞储层地震物理模型研究[J]. 石油地球物理勘探, 2016, 51(2): 272-280, 205.
[28]	张军华, 朱文博, 吴成, 等. 碳酸盐岩溶洞成像要素分析与研究[J]. CT理论与应用研究, 2014, 23(3): 413-423.
[29]	刘宝增, 漆立新, 李宗杰, 等. 顺北地区超深层断溶体储层空间雕刻及量化描述技术[J]. 石油学报, 2020, 41(4): 412-420. DOI
[30]	郑多明, 李志华, 赵宽志, 等. 塔里木油田奥陶系碳酸盐岩缝洞储层的定量地震描述[J]. 中国石油勘探, 2011, 16(增刊1): 57-62, 78, 172-173.
[31]	李阳, 侯加根, 李永强. 碳酸盐岩缝洞型储集体特征及分类分级地质建模[J]. 石油勘探与开发, 2016, 43(4): 600-606. DOI
[32]	杜赫, 徐守余, 冯建伟, 等. 基于数字露头表征的岩溶缝洞组构特征[J]. 中国石油大学学报(自然科学版), 2020, 44(5): 1-9.
[33]	LOUCKS R G. Modern analogs for paleocave sediment fills and their importance in identifying paleocave reservoirs[J]. AAPG Bulletin, 2001, 51:195-206.
[34]	司文朋, 薛诗桂, 马灵伟, 等. 顺北走滑断裂-断溶体物理模拟及地震响应特征分析[J]. 石油物探, 2019, 58(6): 911-919.
[35]	张银涛, 陈石, 刘强, 等. 塔里木盆地富满油田FⅠ19断裂发育特征及演化模式[J]. 现代地质, 2023, 37(2): 283-295.
[36]	张银涛, 余一欣, 谢舟, 等. 塔里木盆地富满地区走滑断裂带精细刻画及勘探应用成效[J]. 现代地质, 2024, 38(6): 1417-1430.
[37]	李凤磊, 林承焰, 崔仕提, 等. 塔北地区奥陶系古地貌及走滑断裂差异性控储规律[J]. 中国石油大学学报(自然科学版), 2022, 46(6): 48-58.
[38]	WU G H, MA B S, HAN J F, et al. Origin and growth mechanisms of strike-slip faults in the central Tarim cratonic basin, NW China[J]. Petroleum Exploration and Development, 2021, 48(3): 595-607. DOI
[39]	张军华, 张彬彬, 吴成, 等. 地震采集与处理因素对溶洞成像的影响分析[J]. 地球物理学进展, 2014, 29(3): 1350-1356.
[40]	温声明, 杨德兴, 王贵重, 等. 层速度替换建场法在高陡构造区的应用[J]. 石油地球物理勘探, 2006, 41(3): 308-312, 362, 17.
[41]	张蓉, 徐群洲, 帕尔哈提, 等. 对提高地层压力预测精度的探讨: 声波测井层速度与地震层速度的关系[J]. 石油天然气学报, 2010, 32(2): 274-276.
[42]	张滨鑫, 张冠杰, 刘敬寿, 等. 碳酸盐岩缝洞型储层识别与雕刻方法研究进展[J]. 地球物理学进展, 2024, 39(2): 580-593.
[43]	马勇, 黎雨航, 张卫峰, 等. 基于成像测井的塔河油田奥陶系鹰山组中深层碳酸盐岩优质储集层预测[J]. 地球物理学进展, 2023, 38(6): 2525-2539.
[44]	张莹莹, 王云专, 石颖, 等. 雷克子波频率研究[J]. 地球物理学进展, 2017, 32(5): 2162-2167.
[45]	WANG Y H. Frequencies of the ricker wavelet[J]. Geophysics, 2015, 80(2): A31-A37.
[46]	李雪英, 程云, 聂伟东, 等. 基于两步扫描法的Kirchhoff时间最优偏移孔径[J]. 东北石油大学学报, 2019, 43(3): 12-19, 5-6.
[47]	岳玉波, 李振春, 钱忠平, 等. 转换波Kirchhoff叠前时间偏移的成像优化方案[J]. 地球物理学报, 2018, 61(3): 1188-1195. DOI
[48]	许孝凯. 声波远探测测井与地震缝洞精细评价技术[J]. 应用声学, 2023, 42(6): 1185-1191.
[49]	张承森, 肖承文, 刘兴礼, 等. 远探测声波测井在缝洞型碳酸盐岩储集层评价中的应用[J]. 新疆石油地质, 2011, 32(3): 325-328.
[50]	He K M, Zhang X Y, Ren S Q, et al. Deep residual learning for image recognition[C]. Las Vegas, NV:2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016: 770-778.
[51]	李凤磊, 林承焰, 张国印, 等. 塔北地区多期走滑断裂地球物理响应特征及精细识别[J]. 中国石油大学学报(自然科学版), 2024, 48(3): 1-14.

超深层断缝带岩溶缝洞体储层结构分析与智能预测

Structure analysis and intelligent prediction of carbonate fractured-vuggy reservoirs in ultra-deep fracture zone

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 25

参考文献 51

相关文章 15

编辑推荐

Metrics

本文评价

[1]	董少群, 曾联波, 冀春秋, 张延兵, 郝静茹, 徐小童, 韩高松, 徐辉, 李海明, 李心琦. 超深层致密砂岩裂缝测井识别深度核方法[J]. 地学前缘, 2024, 31(5): 166-176.
[2]	谷雨, 吴俊, 樊太亮, 吕峻岭. 塔北-塔中地区中、下寒武统岩性组合与变形特征及其对油气输导影响[J]. 地学前缘, 2024, 31(5): 313-331.
[3]	周永章, 肖凡. 管窥人工智能与大数据地球科学研究新进展[J]. 地学前缘, 2024, 31(4): 1-6.
[4]	万成舟, 季晓慧, 杨眉, 何明跃, 张招崇, 曾姗, 王玉柱. 基于渐进多粒度训练深度学习的矿物图像识别[J]. 地学前缘, 2024, 31(4): 112-118.
[5]	李凤磊, 林承焰, 任丽华, 张国印, 关宝珠. 塔里木盆地塔北地区多期断裂差异匹配控制下超深岩溶缝洞储层成藏特征[J]. 地学前缘, 2024, 31(4): 219-236.
[6]	陈昌锦, 程晓敢, 林秀斌, 李丰, 田禾丰, 屈梦雪, 孙思瑶. 基于弹性板模型的塔里木盆地北部新生代沉降模拟:对南天山隆升的启示[J]. 地学前缘, 2024, 31(4): 340-353.
[7]	王俊鹏, 曾联波, 徐振平, 王珂, 曾庆鲁, 张知源, 张荣虎, 蒋俊. 成岩流体对超深致密砂岩储层构造裂缝充填及溶蚀改造的影响:以塔里木盆地克拉苏油气田为例[J]. 地学前缘, 2024, 31(3): 312-323.
[8]	张利军, 鲁文豪, 张建东, 彭光雄, 卜建财, 唐凯, 谢渐成, 徐质彬, 杨海燕. 基于深度学习的镜下岩石、矿物薄片识别[J]. 地学前缘, 2024, 31(3): 498-510.
[9]	徐兆辉, 胡素云, 曾洪流, 马德波, 罗平, 胡再元, 石书缘, 陈秀艳, 陶小晚. 塔里木盆地肖尔布拉克组上段烃源岩分布预测及油气勘探意义[J]. 地学前缘, 2024, 31(2): 343-358.
[10]	陶士振, 吴义平, 陶小晚, 王晓波, 王青, 陈胜, 高建荣, 吴晓智, 刘申奥艺, 宋连腾, 陈荣, 李谦, 杨怡青, 陈悦, 陈秀艳, 陈燕燕, 齐雯. 氦气地质理论认识、资源勘查评价与全产业链一体化评价关键技术[J]. 地学前缘, 2024, 31(1): 351-367.
[11]	李丹, 常健, 邱楠生, 熊昱杰. 塔里木盆地台盆区超深层热演化及对储层的影响[J]. 地学前缘, 2023, 30(6): 135-149.
[12]	陈践发, 许锦, 王杰, 刘鹏, 陈斐然, 黎茂稳. 塔里木盆地西北缘玉尔吐斯组黑色岩系沉积环境演化及其对有机质富集的控制作用[J]. 地学前缘, 2023, 30(6): 150-161.
[13]	邱楠生, 常健, 冯乾乾, 曾帅, 刘效妤, 李慧莉, 马安来. 我国中西部盆地深层-超深层烃源岩热演化研究[J]. 地学前缘, 2023, 30(6): 199-212.
[14]	陈泽亚, 陈践发, 黎茂稳, 付娆, 师肖飞, 徐学敏, 伍建军. 塔里木台盆区下古生界天然气甲烷氢同位素组成特征及地质意义[J]. 地学前缘, 2023, 30(6): 232-246.
[15]	马安来, 漆立新. 顺北地区四号断裂带奥陶系超深层油气地球化学特征与相态差异性成因[J]. 地学前缘, 2023, 30(6): 247-262.