地震资料的岩性预测是储层预测内容之一.在一个地震层序内包含着不同的沉积相带.由于沉积环境的不同,在岩性参量上会表现出很大的差异,包括岩石的组成、颗粒的大小和形状、胶结程度、孔隙度、孔隙中的流体成分和饱和度、温度、压力、沉积厚度等.岩性的变化引起弹性参量的变化,包括弹性模量、密度、速度、泊松比、吸收特性等.弹性参量的变化又将引起地震剖面上反射特性的变化,包括振幅、波形、频率成分、波的干涉、相干性等.因此,在地震剖面上表现为不同的地震属性,即不同的地震相模式.提取和分析地震层序内的这些地震相属性,将具有大致相同的地震相属性、属于同一类地震相模式的地段识别出来,达到划分地震相的目的.地震资料岩性识别方法主要包括速度反演、岩性模拟、波形分析、模式识别和神经网络等等.该文采用BP神经网络方法对巴彦浩特盆地火成岩进行岩性识别.利用地震资料进行岩性识别,反映内部岩相的纵横变化.原始地震数据包含着丰富的地质信息,但是在常规的地震剖面上只能观察波形的变化及其结构特征,进一步的精细研究必须借助于各种数学方法将原始地震数据变换为具有一定物理意义的参数信息.该文在对地震同相轴内的地震参数提取过程中,首先进行的是将实际地震资料的segy文件的格式转换成二进制文件的格式,然后画出地震剖面,为此专门制作了二维地震剖面显示系统,最后在识别同相轴后开取时窗提取了所需的用来进行岩性识别的地震参数.神经网络理论是近年来迅速发展的一门非线性理论学科,由于它在非线性问题求解上所显现的巨大潜力,目前已经被广泛应用于模式识别的各个领域.神经网络与传统的模式识别方法不同,它不需要建立响应方程,而是通过自身的学习和调整,获取信息的隐含特征和规则,得到问题的解答.该文所应用的是BP神经网络,它的多层感知器是一种层状结构的前馈神经网络模型,它由一个输入层和一个输出层以及若干中间隐层组成,每层中的神经元通过可变权与邻层神经元相接.其算法由学习过程和预测过程组成.该文利用BP神经网络针对巴彦浩特火成岩进行识别的实际应用,取得了比较令人满意的结果.同时还利用实际模型对所选地震参数(振幅极大值、包络、瞬时频率、主频率、瞬时相位和均方根振幅)在实际预测中的作用进行了评价,为对其他未知部分火成岩的识别提供了参考.