编号：CDUT-2021-37

中文标题： 基于LSTM网络的横波预测及其在水合物赋存状态和饱和度反演中的应用

英文标题：Shear wave velocity prediction based on LSTM and its application for morphology identification and saturation inversion of gas hydrate

入藏号： WOS:000668997900003

中国科学院文献情报中心期刊分区（升级版）：工程技术2区/TOP

作者：尤加春*，曹俊兴，王兴建，王俊

来源出版物： Journal of Petroleum Science and Engineering

出版年：2021年

第一地址：成都理工大学

关键词：天然气水合物；长短期记忆网络；横波估计；赋存状态；饱和度估计

代表图：

AC21-A井测量横波曲线（红色）和预测横波曲线（红色）对比图：（a）LSTM神经网络模型方法；（b）最小二乘拟合方法

AC21-A井：（a）基于裂隙型水合物模型，利用Vp和Vs联合反演的水合物饱和度；（b）基于孔隙型水合物模型，利用Vp和Vs联合反演的水合物饱和度。

AC21-B井：基于裂隙型水合物模型，利用Vp和Vs联合反演的水合物饱和度

摘要：纵波和横波速度是天然气水合物勘探与开发中非常重要的地球物理参数。由于在测井中横波资料采集的成本较高，导致在实际生产中可供使用的横波数据非常的有限。在关键深度段的横波缺失将严重影响水合物的相关分析。为了解决该问题，针对美国墨西哥湾Alaminos Canyon 21 (AC 21) 区块的测井资料，基于测量的有限横波数据，本文提出利用长短期记忆（LSTM）神经网络预测完整的横波测井曲线，并以此为基础开展水合物相关的研究。通过定性地和定量地分析预测横波数据与实测横波数据的差异，证明了，相较于常规的最小二次拟合方法，本文所提基于LSTM神经网络在横波预测上的优势。基于预测的横波数据，本文利用速度增量比方法确定水合物的分布范围；通过分析实际纵-横波样本点在理论纵-横波交汇图上的分布，本文进一步确定了研究区块的水合物赋存状态。对于AC 21-A井，本文分析在距离海底541–633英尺和1200–1500英尺范围内分别赋存孔隙型和裂隙型水合物。基于横波和纵波速度的联合反演表明，AC 21-A井在上述两个深度段的水合物饱和度分别为0%-10%（局部最高30%）和10%–20%。由于在AC 21-B井中实际测量的横波数据更为有限，为了解决该问题，本文引入迁移学习方法开展横波预测。通过纵-横波数据的交汇图分析，AC 21-B井的水合物赋存主要为水平裂隙型水合物，其水合物饱和度大概在10%–20%。通过本文的数值计算，本文认为AC 21-B井水合物的连续性比AC 21-A井更好，更具商业开采价值。

文章链接地址： https://www.sciencedirect.com/science/article/abs/pii/S0920410521006847