为系统审视人工智能驱动下沉积古地理学研究范式的变革进程,梳理技术融合路径与核心挑战,采用理论与典型案例分析相结合的方法,归纳范式转型的多维度特征,探索智能古地理重建的新技术框架。研究表明,沉积古地理学研究范式呈现四个维度的系统转型：数据基础从经验驱动转向数据驱动,认知方式从定性描述转向定量表征,预测目标从静态表征转向动态预测,决策模式从单一分析转向系统决策。进而构建了传统经验、数字化与智能化范式的对比框架。在古地理重建、沉积过程模拟与储层参数预测三个关键环节,知识图谱、物理信息神经网络与集成学习等方法展现出显著的融合效能。最后提出了涵盖多源数据融合、知识图谱约束、机器学习预测、专家校验与反馈迭代的智能古地理重建技术流程框架,为沉积古地理学数智化转型提供了系统的理论参照与技术路径。

基于岩心、铸体薄片、CT扫描、测井、测试及地震等资料,以中阿拉伯盆地A油田下白垩统Yamama组为例,解析碳酸盐缓坡半局限环境沉积成岩特征及有利储层主控因素。早白垩世研究区为碳酸盐缓坡,处于半局限环境,总体为中低能浅水岩相,以大规模潟湖沉积为主,局部发育颗粒滩、点礁、滩后和潮坪等,沉积物中藻类、底栖有孔虫、双壳类、胞网菌和似球粒最为富集。研究区Yamama组在准同生期遭受强烈成岩改造,胶结作用和溶蚀作用耦合控制次生孔隙的形成与保存。储层岩性以粒泥灰岩、泥粒灰岩和粘结岩为主,岩性变化频繁,横向可对比性差;发育孔隙型储层,储集空间以微孔、铸模孔和生物体腔孔为主,原生粒间孔发育程度总体较低,孔喉以中喉和微喉为主;物性主要为中低孔、低渗和特低渗,中高渗储层发育程度低。Yamama组有利储层发育的4个主控因素为：局部高能沉积、易溶生物碎屑富集、强溶蚀作用和地层异常高压。局部高能颗粒滩储层的胶结作用较弱,原生粒间孔保存较好,储层物性好,形成小规模的有利储层;潟湖和滩后等中低能沉积局部富含藻类和胞网菌等易溶生屑,遭受强烈溶蚀改造,形成大量铸模孔或生物体腔孔,有效改善储层物性,形成较大规模的有利储层。Yamama组有利储层主要发育在YA段和YB段,且规模储层均位于研究区中北部,是下步勘探开发部署的重点靶区。