シェールガス地質学的な「スイートスポット」パラメーター予測法と畳み込みニューラルネットワークに基づくそのアプリケーション

ガス含有量（ガス）、多孔性（PHI）、総有機炭素（TOC）などのパラメーターは、貯水池のシェールガス地質学的な「スイートスポット」を明らかにする重要なパラメーターです。ただし、3次元高精度予測方法の欠如は、シェールガスの大規模な調査を助長しません。適切なロギングデータに基づくパラメーター予測の精度は比較的高くなっていますが、単一のポイント縦方向の特徴にすぎません。P波の速度と密度、高精度、大規模な「スイートスポット」の空間分布予測などの貯水池情報の事前停止の反転に基づいて実現できます。急速に成長し、広く使用されている深い学習方法に基づいて、このホワイトペーパーでは、1次元の畳み込みニューラルネットワーク（1D-CNN）「スイートスポット」パラメーター予測方法を提案しています。まず、さまざまなウェルロギング情報に対して交差分析が実行され、地質学的な「スイートスポット」の機密パラメーターを決定します。ウェルロギングデータの特性に基づいて、新しい標準化された前処理方法を提案します。次に、1D-CNNフレームワークが設計されており、深さドメインのウェルロギングデータと時間ドメイン地震データの両方のパラメーター予測を満たすことができます。第三に、適切なロギングデータは、高精度で堅牢な地質学的な「スイートスポット」予測モデルをトレーニングするために使用されます。最後に、この方法は、四川盆地のWeirongシェールガス畑に適用され、Wufeng-Maxi Shale貯水池の地質学的な「スイートスポット」の高精度予測を実現しました。

Parameters such as gas content (GAS), porosity (PHI) and total organic carbon (TOC) are key parameters that reveal the shale gas geological "sweet spot" of reservoirs. However, the lack of a three-dimensional high-precision prediction method is not conducive to large-scale exploration of shale gas. Although the parameter prediction accuracy based on well logging data is relatively high, it is only a single point longitudinal feature. On the basis of prestack inversion of reservoir information such as P-wave velocity and density, high-precision and large-scale "sweet spot" spatial distribution predictions can be realized. Based on the fast growing and widely used deep learning methods, a one-dimensional convolutional neural network (1D-CNN) "sweet spot" parameter prediction method is proposed in this paper. First, intersection analysis is carried out for various well logging information to determine the sensitive parameters of geological "sweet spot". We propose a new standardized preprocessing method based on the characteristics of the well logging data. Then, a 1D-CNN framework is designed, which can meet the parameter prediction of both depth-domain well logging data and time-domain seismic data. Third, well logging data is used to train a high-precision and robust geological "sweet spot" prediction model. Finally, this method was applied to the WeiRong shale gas field in Sichuan Basin to achieve a high-precision prediction of geological "sweet spots" in the Wufeng-Longmaxi shale reservoir.