En el tramo superior del grupo Guantao en la Zona 2 del campo petrolero de Chengdao, se desarrollan depósitos típicos de ríos meandriformes, caracterizados por cambios rápidos en la facies en planta y relaciones complejas de superposición de cuerpos arenosos. Debido a las limitaciones en las condiciones de adquisición en alta mar, la red de pozos es escasa y la calidad de los datos sísmicos es baja, lo que dificulta la predicción precisa de los cuerpos arenosos y no satisface las necesidades de desarrollo del petróleo remanente. En vista de ello, el presente artículo propone un método de predicción de reservorios inteligente y multifacético con restricciones de condiciones geológicas: ① mediante la calibración pozo-sísmica se introducen restricciones geológicas, combinadas con datos con alta correlación local de cuerpos arenosos y un modelo de río meandriforme, para describir con precisión la distribución local del reservorio, la cual se usa como etiqueta supervisada para el algoritmo inteligente; ② mediante la extracción de atributos y la descomposición espectral se pueden seleccionar atributos sísmicos con alta correlación al reservorio, usándose como conjunto de muestras para entrenamiento; ③ se empleó un algoritmo integrado genética-red neuronal convolucional para caracterizar con detalle los cuerpos arenosos del reservorio bajo condiciones de red escasa de pozos en la zona marítima de estudio. Los resultados indican: ① el método inteligente multifacético con restricciones geológicas mejora significativamente la eficiencia del cálculo y la precisión de la predicción del reservorio; ② los atributos en planta predichos están bien correlacionados con el espesor de los cuerpos arenosos (coeficiente de determinación R²=0.865), y la forma y límites del canal fueron representados con precisión; ③ los resultados de la predicción en perfil de los cuerpos arenosos coinciden con el perfil estructural en pozo, y tras muestrear los resultados predichos y compararlos con la interpretación de registros litológicos en pozo, la precisión alcanzó el 86.11%. Este método puede proporcionar una herramienta precisa y operable para la predicción de reservorios en campos petroleros similares, con un importante valor para su promoción.

red escasa de pozos; red neuronal convolucional; algoritmo genético; integración inteligente; río meandriforme; predicción de reservorios; Zona 2; campo petrolero Chengdao; cuenca de la bahía de Bohai