地震相约束的多属性储层预测方法研究

多元线性回归与神经网络的组合已被广泛应用于多属性储层预测,但在神经网络训练时,对已知井数目总是存在很大的依赖性,而在勘探初期往往钻井数据又很少。为解决这一问题,提出可以从现有的地震属性数据中,挖掘出更多的有效信息来弥补测井参数的缺乏。即首先利用模糊自组织神经网络将一组地震属性进行聚类映射,反映出不同沉积环境下不同地震响应的特征区域,即地震相;然后结合地质和开发资料,对地震相进行解释,并用地震相的信息约束储层预测。地震相约束可以从两方面进行,一是增加新的、合理的虚拟井参数,二是将地震聚类数据作为新的输入属性。按此思路对模糊自组织聚类、多元线性回归和径向基函数网络进行了组合,通过数学推导证明了该流程的可行性。实际资料处理、解释表明,无论时移监测中的压力差预测,还是勘探初期储层的含油饱和度预测,该流程都能获得理想的效果。