储层流体性质的准确预测是油气勘探与评价的重要环节。针对现有深度学习储层流体预测与油气识别方法受标签样本数据量限制以及地震不确定性的影响导致的储层流体识别不确定性强、稳定性差这一技术难题，本研究以深度学习算法为研究对象，以岩石物理理论、地震波传播理论为指导，结合地质先验信息，形成一种基于物理导向的半监督学习流体预测与储层识别方法。所提方法在岩石物理理论的支撑下构建“地震-流体-油气”标签样本数据集；以经典深度学习算法为基础，构建储层流体反演网络、弹性正演网络、油气识别网络；并在此基础上，通过构建物理驱动的半监督学习流体预测与油气识别协同学习架构，实现从标记数据中捕获显式物理知识的同时从大量未标记数据中挖掘隐式知识，将地球物理领域知识耦合至深度学习模型的学习过程中。实际资料应用结果表明所提方法能够有效提升储层油气识别精度。
图1基于物理导向的半监督学习流体预测与储层识别方法
图2储层流体与油气预测结果
研究成果发表在地球物理领域国际重要期刊IEEE Transactions on Geoscience and Remote Sensing上，第一作者为中国石油大学（华东）博士研究生宋磊，通讯作者均为中国石油大学（华东）印兴耀教授，合作者包括中石化经纬公司张冉，中国石油大学（华东）研究生李进鹏、张家乐、李嘉芸。
论文信息：Song Lei, Yin Xingyao, Zhang Ran, Li Jinpeng, Zhang Jiale, and Li Jiayun, 2024. Reservoir discrimination based on physic-informed semi-supervised learning. IEEE Transactions on Geoscience and Remote Sensing.