《Energies》：CNN-Based Seismic Multi-Attribute Fusion for Quantitative Cumulative Sandstone Thickness Prediction in Ultra-Deep Reservoirs Under Sparse Well Control
编辑推荐：
中国西北部超深层油气层系是重要的勘探目标，但其报告实测深度（MD）超过6700 m、勘探程度低且井控极为稀疏，制约了高效油气勘探。层段级累积砂岩厚度提供了地层段内砂岩丰度的度量。常规方法在稀疏井控条件下难以表征地震数据与累积砂岩厚度之间的非线性关系。为解决上述
中国西北部超深层油气层系是重要的勘探目标，但其报告实测深度（MD）超过6700 m、勘探程度低且井控极为稀疏，制约了高效油气勘探。层段级累积砂岩厚度提供了地层段内砂岩丰度的度量。常规方法在稀疏井控条件下难以表征地震数据与累积砂岩厚度之间的非线性关系。为解决上述问题，本研究提出一种基于卷积神经网络（CNN）的地震多属性融合方法，用于超深层稀疏井区累积砂岩厚度预测。依据属性–厚度及属性间皮尔逊相关系数，经验性选取了六种模型输入。一种地质连续性约束的增强策略构建了15 × 15 × 6多通道输入图像块。新增图像块继承既有井–层段标签，不增加独立测量的厚度值。对于来自ss1/wt1的六个井–层段单元，对每个单元九个图像块的预测取平均，得到平均绝对误差（MAE）= 3.51 m，均方根误差（RMSE）= 4.42 m，均方误差（MSE）= 19.51 m2，决定系数（R2）= 0.7653。这些结果仅来自两口井的描述性结果，且其标签也参与了模型选择；它们不能确立独立的预测精度或空间泛化能力。基于区域地质背景对预测厚度模式的初步解释表明，与扇三角洲和辫状河三角洲体系相关的向西进积和向东退积。在解释的三角洲前缘带内，预测累积砂岩厚度为30–60 m的区域被认为是潜在有利勘探目标，需进一步开展储层物性评价。本案例研究提出了所研究超深层、稀疏井区累积砂岩厚度预测的工作流程；其空间泛化能力及在评估数据集之外的适用性尚未确立。
论文解读
一、研究背景与意义
随着浅层和中深层油气资源的逐渐枯竭，全球油气勘探日益向超深层地层推进。超深层油气资源蕴藏巨大潜力，但面临成岩作用复杂、储层非均质性强、埋深极大、勘探程度低以及井控极为稀疏等严峻挑战。这些条件导致储层表征极为困难，尤其是在砂体分布与厚度的定量预测方面。层段级累积砂岩厚度能够为沉积条件、物源供给和沉积体系演化的地质解释提供信息。在陆相沉积体系中，扇三角洲前缘或辫状河三角洲前缘发育的厚砂体可能是有利勘探目标。然而，砂岩厚度与沉积环境本身不足以确定储层质量，还需独立评估孔隙度、渗透率等储层物性参数。因此，准确预测层段级累积砂岩厚度对于识别潜在有利勘探区带、优化井位部署和提高勘探成功率具有重要意义。
在超深层和稀疏井控条件下，传统预测方法存在精度低、泛化能力弱和强非唯一性等局限。单一地震属性无法全面反映复杂地质条件，常导致片面解释；线性多属性融合忽略多重共线性和非线性关系，导致预测不稳定、可靠性低；地震反演受地震分辨率和解的非唯一性限制，无法有效表征地震响应与累积砂岩厚度之间的非线性关系。近年来，机器学习和深度学习方法在地震数据驱动的物探预测和储层参数评价中得到广泛应用。卷积神经网络（CNN）因能捕获空间特征和非线性相关性，特别适合地震数据处理。然而，大多数CNN模型需要大规模标注数据集，这在超深层前沿勘探区极为稀缺。在此背景下，数据增强的使用需要明确的地质假设并考虑生成样本间的依赖性。研究人员指出，融合多维地质约束的深度学习模型可显著提高低数据环境下储层参数预测的稳定性和精度。
二、主要技术方法
研究人员提出了一种集成地质连续性约束小样本增强策略的CNN地震多属性融合方法。研究区位于中国西北部某大型含油气盆地中央坳陷带，目标层段为二叠系碎屑岩序列，按沉积旋回划分为三个层段。研究使用了主频约30 Hz、道间距25 m × 25 m的三维叠后地震数据，以及八口井的伽马射线（GR）、声波和密度测井数据，岩心数据覆盖风城组全部三个目标层段。砂岩层段采用统一的GR < 80 API标准识别。方法主要包括：基于皮尔逊相关系数的地震属性经验性选取，从12种候选属性中选出六种（均方根振幅RMS、振幅不对称性AA、能量半时EHT、最大绝对振幅MAA、平均绝对振幅AAA、总能量TE）；数据预处理（归一化、无效数据筛选、空间匹配）；基于局部砂体连通性假设的邻域采样和空间插值增强策略，构建15 × 15 × 6多通道输入图像块；以及双卷积块CNN模型训练与评价。模型采用Adam优化器（学习率0.001）、均方误差（MSE）损失函数，通过早停机制监控验证损失并恢复最优权重。
三、研究结果
模型性能评价。 数据集按源井划分为训练子集（六口井，75%）和联合验证/评价子集（ss1和wt1两口井，25%）。每口井贡献27个图像块，共162个训练图像块和54个联合验证/评价图像块。对六个井–层段单元，九个图像块预测取平均后得到：MAE = 3.51 m，RMSE = 4.42 m，MSE = 19.51 m2，R2 = 0.7653。最大绝对误差为wt1第三层段的9.156 m（观测21 m，预测30.156 m），其余五个绝对误差范围为1.017至3.568 m。这些值仅为六个单元的描述性汇总，且这些单元聚集在两口井内，R2应谨慎解释。
预测累积砂岩厚度分布。 第一层段（初始水进期）：预测累积砂岩厚度25–50 m广泛分布，呈舌状或楔状空间模式，解释为断裂控制的扇三角洲。第二层段（最大水进期）：预测累积砂岩厚度15–30 m，对应湖平面峰值和深水区扩大，较厚区域初步归因于水下分流河道输送。第三层段（水退期）：预测累积砂岩厚度30–60 m，初步解释为向西进积和向东退积，沉积中心南移和西北陡坡多期朵叶发育是区域演化背景下的解释。横向分布呈"西北厚、东南薄"特征，西北部主要为扇三角洲平原和前缘相（40–60 m），东北部为辫状河三角洲前缘相（30–45 m），中东部为滨浅湖和半深湖相（<25 m）。
潜在有利勘探区带。 解释的三角洲前缘带内预测累积砂岩厚度30–60 m的区域被认为是潜在有利勘探目标，但预测厚度和沉积环境本身不能确定孔隙度、渗透率或储层质量，需独立物性数据评价。
四、讨论与结论
讨论部分总结。 预测的累积砂岩厚度空间分布初步归因于三个因素：构造背景（"北隆南倾"框架影响物源方向和沉积中心迁移）、物源供给（西北DBS隆起为主物源，东北物源补充）和湖平面波动（水进–水退旋回影响砂体垂向发育，水退阶段利于厚砂体堆积）。与传统方法（叠后模型约束声阻抗反演、单属性线性回归）的方法论比较表明，CNN工作流结合了多属性和空间输入图像块，但当前评价未独立确立其预测优势。研究局限性包括：仅八口源井，训练与评价子集地质覆盖有限；增强图像块共享厚度标签且可能包含重叠地震信息，54个评价图像块不代表54个独立观测；属性选择和归一化未与评价数据完全分离；VIF值为基于舍入系数的近似估计；未提供TE属性有无对比或特征重要性分析证据。未来独立评价应从训练数据推导属性选择、冗余诊断和归一化参数，使用按井分组验证进行模型选择，并保留未触碰井用于最终测试。
结论翻译。 （1）依据全部八口井计算的属性–厚度及属性间相关性，经验性选取了六种地震属性，该输入集未通过正式数学优化确立。（2）地质连续性约束增强策略通过邻域采样扩展局部地震输入图像块集，新增图像块继承既有井–层段标签，不增加独立测量的厚度值，增强的独立预测效益尚未确立。（3）对于ss1/wt1的六个井–层段单元，九图像块均值预测得到MAE = 3.51 m，RMSE = 4.42 m，MSE = 19.51 m2，R2 = 0.7653，这些值仅描述聚集在两口井内的六个单元，其标签也参与了模型选择，结果不构成独立最终测试评价，不能确立空间泛化能力或对基线方法的定量优势。（4）区域地质背景下预测厚度模式的初步解释提示进积和退积，解释的三角洲前缘带内预测累积砂岩厚度较大的区域被认为是需物性评价的潜在有利勘探目标。（5）本案例研究提出了在现有超深层、稀疏井控条件下基于CNN的累积砂岩厚度预测工作流程，其在独立井处的预测精度和评估数据集之外的适用性尚未确立，需结合适应当地地质的属性选择和模型构建进行独立验证。
