论文部分内容阅读
地震属性的研究始于上个世纪,已在油气勘探领域得到了广泛应用。从地震资料提取的地震属性参数达几十个,但进行储层预测时使用的参数并不是越多越好,因为无效的参数会增加工作量和耗费有限资源,甚至带来维数灾难,要有效地利用这些属性进行储层参数预测就要必须进行属性优选。本文对地震属性优化方法进行了介绍,分析了数据包络分析优化方法,并将优化的结果用于储层的预测。本文采用模糊神经网络来解决储层的预测问题,它是在网络中引入模糊算法或模糊权系数的神经网络。模糊神经网络作为一门新兴的非线性科学,具有很强的非线性映射能力。模糊神经网络预测方法抗干扰强、容错性好,对参数独立性要求不严格,而且可以同时研究大量的地震特征参数,因而在储层参数预测中具有广阔的应用前景。从地震剖面提取的地震属性进行优化,并联合测井资料,用本文所构建的模糊神经网络对储层参数进行预测。与用没有优化的属性直接做预测相比,可以节约时间和资源,得到了比较好的结果。由此可见采用数据包络分析方法来进行参数优化,并利用模糊神经网络来进行参数预测其效果相当好。