使用机器学习技术对碳酸钢管的地震特征:来自南阿曼盐盆地的西侧的一个例子

科学领域:

• 地质物理学 地质物理学
• 石油地质学 石油地质学
• 地球科学中的人工智能

背景情况:

• 在阿曼的南阿曼盐盆地 (SOSB) 中,盐内碳酸盐是重要的碳化合物储备.
• 了解这些碳酸盐体在盐结构中的行为和分布对于资源勘探至关重要.

研究的目的:

• 为了研究位于阿拉盐结构中的碳酸链体的行为.
• 开发和验证一种方法来检测和预测碳酸盐弦器的3D分布.
• 确定新的潜在的碳化合物勘探区.

主要方法:

• 从地震数据解释中创建一个地质模型.
• 生成合成的地震和弹性数据 (P波,S波,密度).
• 对声学和剪切阻抗的地震属性的计算和反转.
• 部署人工神经网络 (ANN) 用于属性集成和概率立方体生成.
• 在真实预备堆的地震数据和逆转后阻抗体积上应用ANN.

主要成果:

• 通过使用地震属性,ANN成功地检测和划分了碳酸盐链条.
• 一个3D概率立方体有效地突出了目标字符串的分布.
• 该方法在合成和真实地震数据上得到了验证,证明了有前途的检测能力.
• 在研究区域内确定了新的潜在勘探区.

结论:

• 人工神经网络提供了一个强大的工具,用于检测和预测复杂的盐盆地中碳酸链的分布.
• 开发的方法论通过确定以前未被认可的潜在区域来增强碳化合物勘探.
• 这种方法为在类似的地质环境中进行地下表征提供了有价值的策略.