川西深层雷口坡组碳酸盐岩储层资源丰富,一直以来都是四川盆地油气勘探开发的重点。但具有埋藏深度大、地震响应弱、孔隙流体响应更弱、气水储集关系复杂等特点导致储层含气性检测准确率低,钻井成功率低。目前大多数直接含气性检测方法在该区的运用效果不佳,所以本次研究从经典含气性预测理论出发,重点研究了叠前数据与储层含气性之间的关系,引入二维经验模态算法(BEMD)、Teager-Kaiser能量算子类方法(TKEO,CTKEO)、深度神经网络方法(DNN)层层递进的解决研究区含气性预测问题,实现了直接、高效的含气性检测。论文的主要研究内容和成果如下:(1)调研分析川西深层雷口坡组碳酸盐岩成藏机理、储层特征及地震数据品质,形成针对雷口坡组储层直接含气性检测方案。川西深层雷口坡组碳酸盐岩储层有利储层主要为顶部风化壳,雷三段、四段顶部。钻探结果显示其储层气水关系复杂,厚度较薄,分布规律复杂,同时叠前地震数据存在信噪比低,道集不平等问题。(2)以经典AVO反演理论为基础,引入不同领域算法构建数据与含气性之间的直接关系,形成直接含气性预测方法。AVO理论奠定了振幅随偏移距变化与含气性之间的严格理论基础。所以在此基础上提出从叠前道集本身质量出发,优化叠前道集、增强数据含气性敏感度、直接建立数据与含气性之间非线性映射关系的含气性预测方法。(3)提出了基于BEMD的叠前道集自适应优化方法。针对叠前地震数据的特征发展了基于结构形态学算法和三次样条插值算法的改进BEMD算法,快速、高效地将地震数据分解为包含不同特征的分量,再对不同分量进行相应处理,最后联合叠前叠后数据进行重构优化。该方法可以自适应优化叠前道集并且增强道集特征,实际数据测试验证了该方法的有效性和优越性。(4)提出了基于Teager-Kaiser能量算子类方法的叠前道集分辨率提升方法。利用TKEO算子增加单道信号纵向的分辨率;CTKEO算子增强信号横向变化特征。通过对TK类方法的组合计算提升叠前信号对含气性的敏感度。通过模型数据验证说明了该方法处理后的数据对含气层有更高的分辨率,对川西雷口坡组顶部风化壳储层具有较强的针对性。(5)利用深度神经网络建立叠前数据与含气性之间的非线性映射关系,进而对含气性进行检测。该方法充分发挥了深度学习在分类学习中的优势,对优化后的数据进行深度挖掘,提取深层信息,直接表征含气性特征。Marmousi2模型测试分析说明了该方法的可行性和准确性。(6)通过组合各类方法,形成了一套针对川西深层雷口坡组碳酸盐岩含气性的直接预测方法。通过BEMD优化方法提高叠前道集信噪比,增强信号内部特征;通过TK能量算子方法提高道集分辨率,最后利用深度神经网络算法建立含气性与数据的非线性映射关系,实现含气性的直接预测。层层递进形成以数据为基础且有针对性的含气性直接预测方法。(7)对川西深层雷口坡组碳酸盐岩实际工区数据进行含气性预测,预测结果与实际钻探结果吻合。研究区雷口坡组深度在五千米以上,目前只有三口井,在构造变化不明显的情况下,三口井储层差异性大,所以含气性预测相对困难。本次研究方法在不同目的层段,顶部风化壳和雷三,雷四段均获得了较准确的含气性预测结果。通过对比分析AVO反演方法预测结果,进一步说明了本次研究方法对川西雷口坡组含气性预测准确度大有提升,为直接烃类检测提供了一个思路和方法。