论文部分内容阅读
常规的地震属性分析技术不仅费时费力,而且存在多解性,因此有必要进行地震属性的独立化、优化,以及结合多属性,从而进一步提高地震属性解释的可靠性。本论文主要涉及的大庆双城扶余油层中,地震属性与井相关性差是一个大难问题,为解决这一问题,本文在地震属性分析中引入了独立分量分析(ICA)和Kohonen自组织神经网络,进行地震属性的独立化、优化以及综合多属性。主要内容如下:
(1)目前地震属性的相关性分析与优化的方法以主分量分析(PCA)应用最多,本论文将独立分量分析引入到地震属性分析的应用中。文中详细阐述了ICA的基本原理、算法和应用,且根据独立性的负熵判据,实现了FastICA算法,并与PCA进行了比较研究。
(2)本文中ICA的应用分为两部分:第一,对目标三维数据体直接进行ICA处理,结合ICA结果和地质、测井以及钻井资料,得出目标油层的沉积分布特征。第二,将ICA用作地震属性优化方法。文中ICA的目的就是从大量的地震属性中,找出数目较少、相互独立、有效的新地震属性。具体实现时,可以将多个地震属性的对应元素看成一个多维随机向量,进行离散的ICA变换。
(3)详细分析了Kohonen自组织神经网络的结构特点和算法特点,并且实现了地震中常用的传统网络算法。另外,针对目前地震中常用的Kohonen网络算法的缺点,引入了频率敏感自组织映射算法,通过模型和实际应用,可以看出:网络的收敛速度更快,并且分类结果边界更加清晰。
(4)研究了Kohonen自组织神经网络地震相属性判别技术。用Kohonen神经网络的方法来综合不同的地震属性,同时应用多个属性的信息、综合考虑多个属性的特征以及忽略多余的信息,达到识别新模式的目的,即完成对多属性的分类,实现地震岩性的识别或地震相的划分。另外,在求取属性的过程中,由于求差、求导等各种数学运算会使得一些有用的信息丢失,多种属性组合会使这些信息得到一定的补偿。