基于隨機森林算法的陸相沉積烴源巖定量地震刻畫:以東海盆地長江坳陷為例

作者：趙巒嘯,劉金水,姚云霞,鐘鍇,麻紀強,鄒采楓,陳遠遠,付曉偉,朱曉軍,朱偉林,耿建華

摘要：烴源巖的定量地震刻畫對于勘探開發區塊的優選、盆地油氣資源量的估算都具有重要意義.陸相沉積環境下的淺湖或半深湖相的烴源巖橫向變化快,其空間展布需要依靠鉆井約束下的反射地震進行刻畫,但是其地震彈性特征與巖性和有機質含量的映射關系呈現高度非線性化,因而很難利用傳統基于地震巖石物理模型驅動的烴源巖地震預測方法進行有效刻畫.本文以低勘探區的東海盆地長江坳陷為例,提出了一種在數據驅動的機器學習框架下,綜合利用地質約束、鉆井錄井、測井、地球化學和疊前地震數據進行烴源巖的定量地震刻畫的工作流程.其核心思想是利用隨機森林集成學習算法對小樣本數據表現優異的特征,以井位處的測井彈性數據(縱波速度和密度)、巖性、地球化學標定的總有機碳含量(TOC)為樣本標簽數據,在地質導向約束下通過隨機森林算法生成學習網絡,并將該網絡與疊前地震反演結果相結合,采取先預測泥巖再預測總有機碳含量的“兩步走”策略,完成對烴源巖空間分布及其非均質性的定量地震刻畫,并對預測結果的不確定性進行評價.測試結果顯示,隨機森林算法相較于其他的機器學習算法能夠更準確的識別陸相沉積地層的泥巖,并比傳統的利用阻抗轉化方法獲得更可靠的總有機碳含量預測結果.

發文機構：同濟大學海洋地質國家重點實驗室 同濟大學海洋資源研究中心 中海石油（中國）有限公司上海分公司

關鍵詞：陸相烴源巖地震預測機器學習隨機森林巖性預測總有機碳含量Lacustrine depositional environmentSource rockSeismic predictionMachine learningRandom forestLithology predictionOrganic matter content

分類號： P631[天文地球—地質礦產勘探]