Адаптивная стратегия взвешивания для слияния частотно-декомпозированных сейсмических атрибутов при прогнозировании распределения сложных песчаных тел

Высокоточный прогноз песчаных тел имеет фундаментальное значение для повышения эффективности разведки и разработки углеводородных месторождений. Для преодоления ограничений традиционных стратегий с фиксированными весами, особенно в условиях значительной латеральной изменчивости распределения песчаных тел, в данном исследовании предложена модель динамического взвешивания и глубокой нейронной сети (DW-DNN) для адаптивного слияния частотно-декомпозированных атрибутов. Подход интегрирует физические ограничения с методами глубокого обучения и вводит два новшества: (i) априорные матрицы весов, выведенные из зависимости амплитуды от частоты и толщины настройки (амплитудная вариация по частоте, AVF), встраиваются в механизм внимания для адаптивного распределения многополосных сейсмических атрибутов, с акцентом на высокочастотные признаки для тонких песков и низкочастотные признаки для толстых песков; и (ii) глубокая нейронная сеть с составной функцией потерь, объединяющей среднеквадратическую ошибку (MSE) и ограничения на основе AVF, спроектирована для совместной оптимизации распределения весов и точности прогноза. Метод был применен в районе Xi 233 нефтяного месторождения Цинчэн в Бассейне Ордос и сопоставлен с традиционными подходами. DW-DNN продемонстрировала высокую точность и обобщаемость, с R2 = 0,92 в тесте с 30% скрытых скважин, что на 24,3% выше по сравнению с традиционными методами. Кроме того, 91% ошибок в точках скважин находились в пределах 0–3 м, а точности предсказания для тонких (≤3 м) и толстых (>3 м) песков составили 88% и 91% соответственно. Модель также сохраняла стабильную работу при слабом контроле скважин (соотношение обучение–тест 5:5). Прогнозные распределения песков отличались улучшенной непрерывностью и геологически правдоподобной геометрией, четко выделяя русла, лопасти и устьевые гряды. Результаты показывают, что DW-DNN улучшает слияние частотно-декомпозированных атрибутов за счет адаптивного распределения весов, предоставляя надежный инструмент для прогнозирования распределения песчаных тел в сложных коллекторах.