2018年04月21日 星期六

地质力学研究所地震成像含气构造智能识别技术获国家发明专利授权

作者:张浩 发布时间:2023-08-10
  地震剖面上的反射特征异常,如游离气构造是值得关注的指示天然气水合物存在的重要标志物。识别与定位这类水合物标志物,是定位水合物矿藏与进一步评价水合物饱和度和资源量的基础。在地震数据体中进行游离气构造边界人工拾取还存在局限性:一方面人工拾取耗时长,另外人工追踪识别难以较好实现游离气构造连续延展至地震数据覆盖区域。因此,从地震成像数据中自动地识别出水合物标志物之一的游离气构造并查明其空间分布特征,是提升海域天然气水合物勘探成效的一个亟待解决的关键技术问题。传统地震反演与属性方法在无井条件下识别结果误差较大,且空间外推能力不足;新兴基于深度学习的识别方法虽效率高,但结果中不确定性无法量化。
在自然科学基金,院所长基金和地质调查项目的支持下,地质力学所张浩副研究员及其团队,基于大量的探索和实践,提出一种基于贝叶斯深度神经网络的智能识别方法,日前已获得国家发明专利授权(一种地震成像游离气构造识别方法及系统,专利号:ZL 2022 1 1075452.7)。该发明聚焦于无井条件下地下显著含气构造地震智能识别问题,开展基于贝叶斯神经网络的水合物标志物识别与不确定性量化研究。在解决识别问题的基础上,量化识别结果的不确定性,进而得到更为准确的含气构造识别结果。该发明能为普查阶段无井条件下的天然气水合物勘探提供一种智能的数据驱动型水合物标志物识别方法,对促进天然气水合物高效勘探有很大的应用价值和实际意义,并且该方法还能推广应用到油气勘探气藏识别,二氧化碳地质封存地层含气性评价,天然气储气库气藏边界识别等多个识别含气构造的应用场景,具有显著的创新价值和行业应用前景。下一步将加大该项技术的示范和推广力度,进一步提升技术成熟度,推动科技成果实现转移转化,为深地深海探测提供先进的地球物理方法与技术手段。
  
   

扫描二维码分享