论文部分内容阅读
针对二维地震资料品质差异大、综合解释难度大的问题,以鄂尔多斯盆地苏里格气田南部地区为例,系统开展了模糊神经网络在地震相分析和地震多属性预测中的应用研究。
模糊神经网络融合了模糊推理的知识表达能力和神经网络的学习能力,能够较好的综合定性和定量的多种信息,通过模糊规则、数据模糊化、神经网络学习和反模糊化等过程,实现模式的定性识别和参数的定量预测。该方法具有较强的综合性和较为灵活的可操作性,比较适合地震相模式的识别和储层的定量预测。
研究区砂岩、沉积相的分布与地震波形存在着一定的关系,地震波形能够提供定性的沉积特征指示;砂岩厚度与均方根振幅、衰减系数、平均绝对振幅和波阻抗等属性之间存在弱线性相关关系,因而地震属性可用于砂岩厚度的定量预测。但是需要解决两方面的问题,首先需要针对地震测线品质的差异性,采取有针对性的技术方法进行统一的解释;其次地震综合解释过程中如何把地震、钻井和地质认识等信息有机的结合起来需要较为灵活的技术手段。
通过对模糊神经网络聚类算法目标函数的配置,可以把地震波形信息、地质统计学特征、井点沉积相和砂岩厚度等融合到地震相分析过程中,实现了多信息约束的地震相分析技术。该方法得到的地震相具有较好的地质含义。
针对地震资料品质的差异性,采取分层次聚类、井点和地震交点联合控制等方法,实现对不同品质资料地震信息的有效利用和聚类结果不确定性的表征。
在地震属性和井点砂岩厚度相关性分析的基础上,优选了均方根振幅、平均绝对振幅、衰减系数和波阻抗等四个对砂岩厚度比较敏感的地震属性,在地震相约束下,进行砂岩厚度的定量预测。
研究表明模糊神经网络技术能够较好应用于二维地震综合解释中的地震相分析和砂岩厚度定量预测中,与地质统计、概率表征有机的结合,以及灵活的算法实现策略,可以使该技术具有强的实用性和更为广泛的使用范围。