利用地震特征参数识别储层岩性横向变化

地震数据中蕴含着丰富的地下地质信息 ,合理利用地震信息可以有效地识别复杂地区的储层特性。本方法利用地震数据的自相关函数 ,提取其特征参数来识别储层的特性 ,分析岩性的横向变化 ,为解释人员提供可参考的依据。经实例应用研究表明了该方法的有效性。

利用地震特征参数模式识别方法确定海上油气田的分布

油气田的模式识别方法包括地震多参数统计模式识别方法和神经网络方法，它可提取和应用自相关、自回归、功率谱和均方根振幅等多种地震信息特征参数，并用这些地震参数的两种模式识别方法，对有井和无井地区进行油气预测。对南海神孤鼻状构造带进行油气预测，在4个局部构造上发现好的特征异常显示，并且它们与构造圈闭及砂岩分布基本吻合。

青海东部及邻区强震前地震活动特征参数Wq值的研究

利用1980～2007年以来，青海省东部及邻区（34°～40°N，96°～104°E）ML≥2．3级地震资料进行特征参数耽值的空间扫描。结果表明，在该区域内发生的9次6．0级以上地震中有6次震前7—28个月在震中周围出现叻值异常区，并且大部分地震前的异常区存在异常出现一异常区面积扩大一面积收缩一发震的变化过程，为地震的中短期预报提供了判定依据。

地震倒谱特征参数谱聚类地震相分析方法

常用的地震相分析方法有随机模拟、神经网络、聚类算法和深度学习等。随机模拟结果易受随机模型影响,而且在地质结构复杂地区难以准确划分地震相。神经网络和深度学习具有较强的容错性和泛化能力,但需要海量训练样本数据,同时训练网络的计算量巨大。K均值聚类、C模糊聚类等经典聚类算法在简单数据集上均获得了理想的聚类结果,但对于非凸数据集并不能实现全局最优。为此,提出一种基于地震数据倒谱特征参数的谱聚类地震相分析方法。该方法以地震倒谱特征参数为谱聚类的输入变量,然后通过井标定,建立地震相与地质体间的对应关系。以图论为基础的谱聚类方法将数据的聚类转化为图的分割问题,通过图的最优分割实现数据的精确聚类。通过优化相似度矩阵计算方法,构建稀疏相似度矩阵,可以解决矩阵维度过大引起的存储和计算量大的问题,使谱聚类更适用于划分三维空间地震相。地震倒谱特征参数一方面能减少数据的维数,降低计算复杂度;另一方面能消除波形的影响,提高划分精度。模型试验和实际数据应用表明,与地震瞬时振幅、多地震属性地震相划分结果相比,所提方法划分的地震相带与古地貌吻合更好,边界更清晰,可解释性也更好,可为油气勘探和油藏评价提供数据支撑。

地震多参数神经网络储层油气预测中的参数优化

在利用多参数进行储层油气预测时,并不是使用的特征越多越好,最佳特征的维数取决于实际问题的预测效果。这里运用聚类分析法优选地震特征参数,将距离较远或相似系数低的特征参数聚为一类,用来对未知样本进行地震储层预测。利用优选后的参数进行神经网络储层油气预测,在实际应用时取得了较好的效果。

基于地震-测井数据预测储层参数空间分布规律的神经网络模型

研究了地震资料的特征参数与储层参数间的神经网络模型,建立了相互之间的非线性映射,可以横向预测目的层的储层参数,实现地震资料和测井资料联合预测储层参数的空间分布规律。实验结果表明,该方法是可行的。

地震多参数BP神经网络预测煤层厚度

依据煤层反射波运动学和动力学特征 ,提取出了波峰波谷振幅 A1、平均频率 Fa、主频带能量 Qf1、低频带宽能量 Qf 和峰值频率 Fmain等 5个地震特征参数。选取 8组学习样本 ,利用 4层 BP(Back Propagation)人工神经网络模型 ,采用动量法和自适应调整的改进算法 ,训练 BP网络 ,用训练好的 BP网络预测煤层厚度。经实例验证 ,地震多参数 BP网络预测煤层厚度精度高 。

地震、测井联合预测地层压力的方法研究

通过提取井旁地震道的特征参数 ,利用神经网络建立其与测井声波时差的非线性映射 ,进而外推井底以下声波曲线 ,从而实现地震、测井联合预测井底以下的地层压力。该方法克服了单纯地震层速度或单纯声波时差预测地层压力的局限性。经 NH地区实际资料模拟预测 。

小波变化参数在苏里格气田的实际应用

在小波理论分析的基础上,通过分频方法,提取高频振幅和低频振幅比作为地震特征参数,并利用其在苏里格气田进行油气检测,效果显著,说明提取的小波参数是较好的地震特征参数。

基于改进的模拟退火人工神经网络的薄互储层参数预测

分析了模拟退火算法 (SA)与人工神经网络 BP算法 (简称 BP网 )各自的不足 ,设计了一种优化网络算法 ,将模拟退火和 Powell算法有机组合 ,代替 BP网中的梯度下降法 ,来训练网络权值 ,使网络具有较快的收敛速度和较高的逼近精度 .综合多种地震信息进行薄互储层参数 (砂岩厚度、孔隙度等 )的横向预测是当今世界石油勘探中的重要课题 ,薄互层沉积具有储层厚度薄且横向变化剧烈的特点 ,传统的 BP网络进行的参数预测达不到所需的精度和速度要求 .本文提出的优化网络算法较好地解决了薄互储层参数预测的精度和收敛速度问题 。

多维地震瞬时信息的直接计算方法

多维地震瞬时信息的分析是对一维复地震造分析的扩充，考虑了瞬时信息的空间变化，基于二维和三维的复地震道分析的概念，利用空间相邻道的平均直接提取信息，避免了较为复杂的二维和三维的Hilbert变换，所求信息更接近瞬时信息的特性。由于本文采用了差分方程计算瞬时信息的属性，与Hilbert变换方法相比，其计算效率有显著的提高，且计算结果相似，但本方法对数据的采样间隔有一定的要求。文中展示了用本方法提取的一些地震瞬时特征信息的实例。

基于快速、高精度遗传算法神经网络的薄互储层参数预测

针对传统遗传算法 (GA)和人工神经网络 BP算法各自存在的不足 ,引入自适应机制的浮点数编码的遗传算法 ,并将其与 BP网中的梯度下降法相结合 ,进行混合交互运算 ,形成 GA- BP混合算法。该算法使网络具有较快的收敛速度和较高的逼近精度 ,能较好地解决综合多种地震信息进行薄互储层参数预测的精度和收敛速度问题 ,并通过实例验证了此方法的正确性和实用性。

谢桥煤矿三维地震资料的小断层解释

本文介绍了利用地震特征参数及模式识别方法综合解释小断层的技术。它的主要特点是利用更多的地震信息（主要是动力学信息），并且借助计算机的高分辨能力对地震特征参数定量化，进行综合分析与逻辑判断，并做出断层（也包括其它构造特征）解释，避免了人为主观因素的影响。在谢桥煤矿三维地震资料解释中使用了这种断层解释方法，查明采区内落差5m左右的小断层及其它小构造的分布情况，其中部分已被井下地质资料所验证，取得了令人满意的地质效果。

神经网络法在泌阳凹陷地区储层参数预测中的应用

地震信号中包含了能够通过地震波特征参数反映的十分丰富的油气信息和地层信息。对泌阳凹陷地区目的层的三维地震数据体中提取多种地震波特征参数,并利用各种数学方法对地震波特征参数进行研究,运用神经网络的训练和分析得到地震道处储层参数(孔隙度、砂岩厚度),从而为圈闭评价提供依据。实际应用表明,利用神经网络方法进行储层参数预测是可行的。

应用灰色过程模式方法进行储层参数的识别与预测

应用灰色过程模式识别与预测方法的目的是为了进行储层参数的识别与预测,识别储层的特征参数,预测有利含油气区块.灰色过程模式储层横向识别技术与以往的点模式识别有很大的不同,它是在点模式的基础上引入动态滑动提取法发展起来的,是在一定时窗间隔内,对时间序列求取多个子序列,通过求取这些子序列的特征参数来组成母时间序列的特征参数向量,在某一地震道提取特征参数时提取一系列的参数集,它比仅取一个平均值具有更好的三维地震特征表征能力.该方法还引进模糊理论与分形理论,使得对于裂缝等具有分形特征的储层物性参数描述更具有实际意义.并基于过井处的已知井建立预测模型进行井间外推预测,与已有钻井的实际地质情况吻合程度高,保证了预测的高精度.本文首次运用该方法对胜利油田义和庄区块碳酸盐岩古潜山储层进行裂缝、溶蚀孔洞发育带等预测,针对碳酸盐岩储层溶蚀和裂缝复杂的特点,通过提取灰色参数、模糊参数和分形维数等对非线性地质体具有较强表现能力的参数来作为预测的控制参数,是预测方面的尝试性进展.

地震动衰减关系的区域性差异研究

近年来,随着强震观测技术的发展,全球强震资料得到了极大的丰富,但由于地震分布和强震资料分布的不均匀性,对于大部分强震资料相对不足的区域,基于强震资料建立衰减关系的方法尚不可行。针对这一现状,通过对强震资料相对丰富区域建立的衰减关系进行科学合理的修正,使其能应用于强震资料匮乏区域是一种可能的思路。

基于小波边缘分析与井-震联合建模的波阻抗反演技术在乌尔逊断陷储层预测中的应用

针对乌尔逊断陷构造复杂、储层横向非均质性强、含油砂体小而薄预测难的问题,应用小波边缘分析与井-震联合建模的波阻抗反演技术,从地震记录中直接提取反映构造和岩性变化的地震属性特征参数,与测井声波阻抗数据一起建立初始模型并参与波阻抗模型的扰动修改。此反演技术弥补了井间插值建模过程中井间高频成分的缺失和井间岩性的局部变化细节,避免了常规波阻抗反演过程中由于初始模型不准确而产生的错误信息,提高了地震资料识别“小而薄”砂体的分辨能力。结果表明:受东部物源控制,乌尔逊断陷铜钵庙断裂带发育扇三角洲-半深湖(深湖)沉积体系;受断裂坡折带影响,在铜钵庙断层的下降盘发育一系列扇三角洲前缘砂体。实际钻井结果与钻前预测对比表明,井点处砂体顶界构造深度的相对误差小于0.3%,砂体厚度的相对误差小于3.84%,预测精度满足精细储层预测要求。研究成果可为乌尔逊断陷精细油藏描述和井位部署提供依据。

基于小波边缘分析与井—震联合建模的波阻抗反演技术在陆梁隆起带储层预测中的应用

针对准噶尔盆地陆梁隆起断裂构造复杂、储层横向非均质性强、含气砂体小而薄预测难的问题,应用小波边缘分析与井—震联合建模的波阻抗反演技术,从地震记录中直接提取反映构造和岩性变化的地震属性特征参数,与测井声波阻抗数据一起建立初始模型并参与波阻抗模型的扰动修改。此反演技术弥补了井间插值建模过程中井间高频成分的缺失和井间岩性的局部变化细节,避免了常规波阻抗反演过程中由于初始模型不准确而产生的错误信息,提高了地震资料识别“小而薄”砂体的分辨能力。结果表明:受东部克拉美丽山物源控制,在陆梁隆起带DX14井区梧桐沟组形成扇三角洲—半深湖(深湖)沉积体系;发育一系列扇三角洲前缘砂体。实际钻井结果与钻前预测对比表明,井点处预测砂岩厚度的绝对误差小于0.60 m,相对均方误差小于2.84%,预测精度满足精细储层预测要求。研究成果可为精细油藏描述和井位部署提供依据。

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进

油气横向预测技术

油气横向预测技术是从已知含油气区和未知含油气区 (即要预测的区块 )的地震资料中提取地震波特征参数 ,然后用神经网络系统对同地震相位进行油气预测。对于那些在地震解释中已落实有圈闭 ,构造较落实 ,已追踪出目的层相位 ,但由于平面上的储层变化 ,油水界面的不统一或岩性油藏的影响 ,无法差别预测目的层是否含油气的区块 ,油气横向预测技术可以较准确的预测出含油气情况 。