地震储层预测历程回顾（附论文）

地震勘探最终的目标是进行石油天然气开采，前面讲过的去噪等道集优化和断层识别等处理，都是为了最后的储层识别和预测。地震储层技术从19世纪开始，经过国内外学者的长期研究，已经广泛应用于工业生产，取得了巨大的经济效益。在日前能源供应危机不断的情况下，研究高效的油气探测方法尤为重要。

01 什么是地震储层预测

地震储层预测的方法很多，应用也比较广。

地震储层预测主要通过地震的方法，综合了地质、测井、岩石物理等信息，分析地层的岩性、物性和填充物的流体对地震反射波的速度、振幅、相位、频率、波形等带来的变化，来预测储层的地质构造特征、岩性分布、储层特征、油气富集区等问题，从而减少勘探的开发风险。

接下来，通过不同预测技术简要给大家介绍地震储层预测的发展情况。

02 地震属性分析技术

地震属性分析技术是最常用的储层预测技术。

最开始是从单一属性预测开始，包括了对“亮点”（指地震反射振幅剖面上强振幅的异常点）、瞬时属性等进行预测。

随后，多属性联合预测技术出现。包括了通过聚类分析识别地震相，通过“相干”“曲率”等方法识别断层等。比较常用的方法包括通过叠前地震属性（典型属性包括孔隙度、油水饱和度、渗透率、纵横波速度、密度、阻抗等），结合断层走势，预测油气富集区。

后来，出现了叠前地震属性应用。包括了AVO梯度、截距等属性分析油气性，通过各项异性AVO分析检测裂缝储层。另外还有多波多分量技术，综合利用纵横波、转换横波、振幅等属性对复杂储层进行高精度预测。

油气富集区预测图

03 AVO反演技术

AVO（Amplitude variation with offset，振幅随偏移距的变化）技术用于研究地震反射振幅随炮点与接收器之间的距离即炮检距（或入射角）的变化特征来探讨反射系数响应随炮检距（或入射角）的变化, 进而确定反射界面上覆、下伏介质的岩性特征及物性参数。

借助AVO分析，地球物理学家可以更好地评估油气藏岩石属性，包括孔隙度、密度、岩性与流体含量。AVO的理论基础是佐伊普里兹方程(Zoeppritz's equation)，根据AVO理论发展的叠前地震反演，可以通过观测地震数据预测地层弹性参数，是重要的地震数据定量解释技术。

AVO示意图

最初AVO技术应用于正演模拟和基本属性应用，包括流体识别，“亮点”识别等。

随后AVO应用到反演，成为了大规模应用的起点。包括应用AVO反演预测裂缝性储层，叠前弹性阻抗反演，频谱分析频散的AVO反演，AVO超临界角球面波分析等。

后来，基于克里金（Kriging）的地质统计反演技术开始广泛应用。克里金法通过测井的信息得到变差场，通过已知测井信息反演整个工区的储层信息。

Kriging地质反演统计图

04 地震断层预测技术

地震断层是地层中的不同方向作用力共同影响下形成的错断结构。地震断层可以形成油气运移的通道，也可以形成封闭空间为油气发育创造条件。现在断层预测储层的方法包括了以下几种：

一是通过对断层走向和方向性质解释，模拟整个储层的断层体系和分布定位。如通过岩石介质各向异性预测裂缝分布。

二是利用断层分布模型预测储层性质。如通过离散裂缝特征和地震解释结果建立裂缝储层综合模型，预测碳酸盐储层。

断层储层识别图

05 岩石物理分析技术

地震资料提供了地震波在地层传播的反射信息，可以通过反演计算出弹性参数。岩石物理技术可以利用弹性参数建立起岩性模型，计算出地下岩层的预测。一般来说，通过测井的岩石物理分析来建立岩性模型，就可以应用于整个工区的岩性分析。分析技术包括了利用敏感参数和波阻抗预测地震相分布，利用速度-压力模型来预测沉积物等。

06 人工智能分析技术

最近几十年来，人工智能技术在各行各业都广泛应用，在油气勘探领域也不例外。人工智能算法的主要原理是学习已有的储层物性参数与预测目标之间的关系，建立一种基于数据驱动的模型，实现智能的预测。这种方法可以不考虑实际地质的解释机理，直接通过已知数据预测未知目标。人工智能技术可以利用一切有用的信息来源，比如包括了测井、地质、岩心、裂缝等不同技术，进行综合分析。

人工智能技术包括了机器学习，深度学习等。应用包括了使用机器学习对含油气富集地区预测，通过CNN方法对地下油气储层特征识别、分类等。除此之外，人工智能学习在裂缝储层检测、岩性识别、地震相识别、速度分析等领域都可以广泛应用。未来我们将着重通过人工智能方法讨论在地震储层识别领域的广泛应用。

今天的课程就到这里，我们从地震储层识别的不同技术分类简要回顾了储层识别的发展历程。有问题欢迎大家与我交流，再见。

如需下载地震储层论文，请私信与我联系。

相关阅读：

如何在地震勘探研究更上一层楼？带你一起深度学习识别断层

怎样轻松入门地震勘探研究：先从地震数据处理开始

教你如何从0开启地震深度学习科研之路