技术摘要：
本发明公开了一种储层厚度预测方法、装置、设备及存储介质，该方法包括：确定需实现储层厚度预测的层段为目的层段，统计所述目的层段在多个指定位置的储层厚度的分布，得到n个储层厚度分布区间；确定与n个所述储层厚度分布区间一一对应的n个地震频段，将各所述指定位置  全部
背景技术：
储层厚度是影响碎屑岩油藏地质储量和产能的重要参数，多数情况下，储层厚度 越大则油气储量也越大，产能也越高，如河流相点坝砂体厚度大于溢岸砂体，则点坝砂体的 油气储量和产量都大于溢岸砂体。目前已经存在储层厚度的井筒预测方法，但是发明人发 现，由于碎屑岩储层厚度空间变化复杂，当井间储层厚度小于地震数据1/4波长时，基于地 震资料的储层厚度预测误差较大，准确性较低。
技术实现要素：
本发明的目的是提供一种储层厚度预测方法、装置、设备及存储介质，能够有效提 高储层厚度预测的准确性。 为了实现上述目的，本发明提供如下技术方案： 一种储层厚度预测方法，包括： 确定需实现储层厚度预测的层段为目的层段，统计所述目的层段在多个指定位置 的储层厚度的分布，得到n个储层厚度分布区间； 确定与n个所述储层厚度分布区间一一对应的n个地震频段，将各所述指定位置的 地震数据分解为n个所述地震频段的子地震数据，从各所述子地震数据中提取属于所述目 的层段的地震属性； 确定各所述指定位置的子地震数据及地震属性为输入数据，各所述指定位置的储 层厚度为训练标签，利用所述输入数据及对应训练标签训练循环神经网络，得到预测模型； 利用所述预测模型预测任意位置所述目的层段的储层厚度。 优选的，确定与n个所述储层厚度分布区间一一对应的n个地震频段，包括： 计算各所述储层厚度分布区间的平均储层厚度，确定分别与各所述平均储层厚度 对应的最佳地震频率，确定以各所述最佳地震频率为平均地震频率、频宽为预设频宽且地 震频率连续的n个地震频段。 优选的，从各所述子地震数据中提取属于所述目的层段的地震属性，包括： 从各所述子地震数据中提取属于所述目的层段的预先指定的地震属性；其中，所 述预先指定的地震属性为用于实现储层厚度预测时的最佳地震属性。 优选的，利用所述输入数据及对应训练标签训练循环神经网络，得到预测模型，包 括： 确定初始的循环神经网络为当前神经网络，将所述输入数据划分为训练数据及检 测数据，利用所述训练数据及对应训练标签对当前神经网络进行训练，利用所述检测数据 及对应训练标签对训练完成的当前神经网络进行检测，如果检测的结果为当前神经网络的 4 CN 111581890 A 说　明　书 2/8 页 预测准确性达到准确性阈值，则确定当前神经网络为预测模型，否则，对当前神经网络进行 参数调整，确定进行参数调整完成的当前神经网络为当前神经网络，返回执行利用所述训 练数据及对应训练标签对当前神经网络进行训练的步骤。 优选的，返回执行利用所述训练数据及对应训练标签对当前神经网络进行训练的 步骤之前，还包括： 判断利用所述训练数据及对应训练标签对当前神经网络进行训练的次数是否达 到次数阈值，如果是，则输出相应的告警信息，否则，执行返回执行利用所述训练数据及对 应训练标签对当前神经网络进行训练的步骤的步骤。 优选的，利用所述预测模型预测任意位置所述目的层段的储层厚度之后，还包括： 将预测得到的储层厚度显示在预先设置的地质地图的对应位置处。 优选的，所述循环神经网络为长短期记忆循环神经网络。 一种储层厚度预测装置，包括： 统计模块，用于：确定需实现储层厚度预测的层段为目的层段，统计所述目的层段 在多个指定位置的储层厚度的分布，得到n个储层厚度分布区间； 分解模块，用于：确定与n个所述储层厚度分布区间一一对应的n个地震频段，将各 所述指定位置的地震数据分解为n个所述地震频段的子地震数据，从各所述子地震数据中 提取属于所述目的层段的地震属性； 训练模块，用于：确定各所述指定位置的子地震数据及地震属性为输入数据，各所 述指定位置的储层厚度为训练标签，利用所述输入数据及对应训练标签训练循环神经网 络，得到预测模型； 预测模块，用于：利用所述预测模型预测任意位置所述目的层段的储层厚度。 一种储层厚度预测设备，包括： 存储器，用于存储计算机程序； 处理器，用于执行所述计算机程序时实现如上任一项所述储层厚度预测方法的步 骤。 一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述 计算机程序被处理器执行时实现如上任一项所述储层厚度预测方法的步骤。 本发明提供了一种储层厚度预测方法、装置、设备及存储介质，该方法包括：确定 需实现储层厚度预测的层段为目的层段，统计所述目的层段在多个指定位置的储层厚度的 分布，得到n个储层厚度分布区间；确定与n个所述储层厚度分布区间一一对应的n个地震频 段，将各所述指定位置的地震数据分解为n个所述地震频段的子地震数据，从各所述子地震 数据中提取属于所述目的层段的地震属性；确定各所述指定位置的子地震数据及地震属性 为输入数据，各所述指定位置的储层厚度为训练标签，利用所述输入数据及对应训练标签 训练循环神经网络，得到预测模型；利用所述预测模型预测任意位置所述目的层段的储层 厚度。本申请在得到目的层段的多个储层厚度分布区间后，将地震数据分解成能够有效识 别每个储层厚度分布区间内储层厚度预测的多个地震频段的子地震数据，由子地震数据中 提取到地震属性，利用子地震数据、地震属性及对应的储层厚度实现循环神经网络的训练， 从而利用训练得到的预测模型实现任意位置目的层段的储层厚度的预测。其中，由于地震 数据由不同频率成分组成，而不同储层厚度仅在相应的地震频率上具有较好的响应，因此 5 CN 111581890 A 说　明　书 3/8 页 本申请在利用地震数据实现模型训练前，先将地震数据分解成对主要储层厚度敏感的多个 频段的子地震数据，从而综合多个频段的地震数据能够更准确所在空间内的储层厚度；并 且，本申请利用循环神经网络考虑不同频段地震数据之间的内在衍生关系，从而挖掘出不 同频段地震数据对特定厚度储层的有效响应信息，建立起多频段地震数据与储层厚度间精 准的计算模型，进而利用该模型实现储层厚度的预测，有效提高了储层厚度预测时的准确 性。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。 图1为本发明实施例提供的一种储层厚度预测方法的流程图； 图2为本发明实施例提供的一种储层厚度预测方法中储层厚度分布的直方图； 图3为本发明实施例提供的一种储层厚度预测方法中地震数据频谱示意图； 图4为本发明实施例提供的一种储层厚度预测方法中子地震数据频谱示意图； 图5为本发明实施例提供的一种储层厚度预测方法中目的层段地震属性的平面分 布图； 图6为本发明实施例提供的一种储层厚度预测方法中储层厚度分布的平面图； 图7为本发明实施例提供的一种储层厚度预测方法中训练数据选取示意图； 图8为本发明实施例提供的一种储层厚度预测装置的结构示意图。