Les dépôts typiques de rivières méandrantes se développent dans la partie supérieure du groupe Guantao de la deuxième zone du champ pétrolier de Chengdao, caractérisés par des changements rapides des faciès en plan et des relations complexes de superposition des corps sableux. En raison des contraintes liées à la collecte en mer, le réseau de puits est peu dense et la qualité des données sismiques est faible, ce qui rend la prédiction précise des corps sableux difficile et ne répond pas aux besoins de développement du pétrole restant. À cet égard, cet article propose une méthode de prédiction de réservoirs intelligente et intégrée à contraintes géologiques multi-attributs : ① par l’étalonnage puits-sismique, on introduit des contraintes géologiques, combinées aux données à forte corrélation locale avec les corps sableux et au modèle de rivière méandrante, pour décrire avec précision la distribution locale des réservoirs, utilisée comme étiquette de supervision pour les algorithmes intelligents ; ② l’extraction d’attributs et la décomposition spectrale permettent de sélectionner les attributs sismiques fortement corrélés aux réservoirs, servant d’échantillons d’entraînement ; ③ l’algorithme fusion génétique-réseau de neurones convolutif a été utilisé pour une description précise des corps sableux dans des conditions de réseau de puits rare en mer dans la zone d’étude. Les résultats montrent : ① la méthode de prédiction de réservoirs intelligente multi-attributs avec contraintes géologiques améliore significativement l’efficacité du calcul tout en augmentant la précision de la prédiction ; ② les attributs en plan prédits sont bien corrélés à l’épaisseur des corps sableux (coefficient de détermination R² = 0,865), la forme en plan et les limites du chenal sont dessinées précisément ; ③ les résultats de prédiction des profils des corps sableux correspondent bien aux profils structuraux des puits, et après échantillonnage des résultats prédits et comparaison avec l’interprétation des diagraphies lithologiques des puits, la précision atteint 86,11 %. Cette méthode peut fournir un moyen précis et opérationnel de prédiction des réservoirs dans des champs pétrolifères similaires, avec une importante valeur de promotion.

réseau de puits rare; réseau de neurones convolutifs; algorithme génétique; intégration intelligente; rivière méandrante; prédiction de réservoir; deuxième zone; champ pétrolier de Chengdao; bassin de la baie de Bohai