基于频散属性的油气饱和度人工智能预测系统及方法

本发明公开了一种基于频散属性的油气饱和度人工智能预测系统，它包括数据采集模块采集所需数据并根据采集的数据生成属于深度域数据的饱和度曲线；时深标定模块根据测井数据和叠后地震数据得到合成地震记录，与实际地震数据进行对比得到时深关系，再结合属于深度域数据的饱和度曲线生成属于时间域数据的饱和度曲线；频散属性优选模块根据叠前道集数据获取声波不同角度和不同频率的频散属性，基于SHAP方法和时间域的饱和度曲线分析得到频散属性对饱和度预测的贡献度，由贡献度筛选出优选频散属性；饱和度预测模块将优选频散属性输入至神经网络模型进行饱和度预测。本发明能够解决地质假设简化、数据代表性不足、忽略储层复杂性及计算效率低的问题。