摘要
针对永安地区永3区块沙二下段沉积微相和砂层厚度特征,提出了利用地震数据进行目标属性预测的新方法。传统的储层预测方法通过单属性简单交汇进行,预测精度较低。概率神经网络首先通过选取褶积算子解决测井参数与地震数据之间不等频现象,并利用交叉验证法检验储层预测结果的可靠性。交叉验证过程中,将测井数据分为训练数据组和验证数据组两部分,训练数据组用来进行属性转换,验证数据组用来验证结果的预测误差。对属性进行变换时,用校验误差来衡量属性变换和选取的有效性。在此基础上提取出对孔隙度敏感的5种属性。通过预测误差和校验误差计算及预测孔隙度和实际孔隙度值的相关性分析,对预测精度进行评价。最后利用PNN神经网络对永安地区永3区块沙二下段砂层进行储层物性预测,获得了目标地层的主要储层物性参数,取得了良好的预测效果。
A new method is described for predicting reservoir properties using seismic data based on sedimentary micro-facies and sand thickness features of ES2x in Yong 3 block of Yong an area.Conventional reservoir predicting method is to cross-plot the target data and seismic attribute for deriving the desired relationship between the two,and has a low predictive precision.Probabilistic neural network (PNN) method uses the convolutional operator to resolve the frequency difference between seismic attribute and the ...
出处
《海洋地质与第四纪地质》
CAS
CSCD
北大核心
2009年第6期95-102,共8页
Marine Geology & Quaternary Geology
关键词
储层预测
地震属性
褶积算子
交叉验证
概率神经网络
reservoir prediction
seismic attribute
convolutional operator
cross-validation
probabilistic neural network
