地震油气储层的小样本卷积神经网络学习与预测

地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径.

转换波地震勘探的若干问题与对策

分析了采集和处理中转换波勘探的若干问题 ,提出了相应的解决方法。研究表明 ,转换波勘探工区选择要有针对性 ;转换波观测系统一般不能直接采用纵波的观测系统 ,要结合转换波传播特点进行设计 ;转换波的横波静校正量 ,可以利用x分量上记录的横波信息来解决 ;为了提高转换波处理精度 ,采用非双曲交互速度分析实现转换波速度分析 ,采用精确公式计算转换点 ,采用非双曲方程进行转换波动校正 ;在转换波叠加时采用与速度比值有关的面元以确保覆盖次数的稳定性。通过一些实例来说明上述问题。