褶积神经网络高分辨率地震反演

随着地震勘探精细化要求的提高,薄层及横向变化大的复杂储层反演越来越重要。而当前反演方法大多基于褶积模型,分辨率较低。本文提出了基于褶积神经网络的反演方法,该方法完全由数据驱动,不受褶积模型的限制。褶积神经网络具有层状结构,其输入输出之间的映射关系用褶积算子来描述,而非内积算子。基于褶积神经网络结构,本文给出了映射算子的优化算法,并将其应用到地震反演中。应用结果表明,通过褶积神经网络地震反演,可以获得比常规稀疏脉冲反演分辨率更高的地层波阻抗剖面。

高分辨率非线性储层物性参数反演方法和应用

对于陆相沉积环境下的复杂隐蔽岩性储层,由于观测信息不准确,如信息重叠、信息缺失和噪音污染,以及岩石物理关系模糊等原因,储层横向预测存在不惟一性、不稳定性和不确定性.基于线性假定的常规储层横向预测技术已不适用于复杂隐蔽岩性储层的勘探.本文采用一种非线性储层岩性物性褶积模型,建立波阻抗与孔隙度/泥质含量的函数关系;通过多级结构分解和双向边沿子波检测来刻画复杂岩石物理关系;通过Caianiello褶积神经网络实现确定性反演、统计反演和非线性理论三者有机结合;最后联合应用基于逆算子的反演方法和基于正算子的重建算法实现了综合地质、测井和地震波阻抗信息进行高分辨率储层物性参数反演.非线性储层物性参数反演采用多井约束机制和分频反演方式,在陆相和近海油气勘探资料的实际应用中,取得了明显应用效果.

高分辨率非线性地震波阻抗反演方法和应用

在岩性高度非均质的复杂储层横向预测中,由于可观测信息的重叠、缺失以及噪声的干扰。反演问题总是对应着不唯一、不稳定和不确定的解,因此基于线性假定的储层横向预测技术已不适应这类地区的岩性勘探。为此。提出了一种多井约束分频非线性地震波阻抗反演方法。给出了反演方法的基本原理和算法结构,详细讨论了方法中的关键技术——井旁多级地震反子波的提取、直接反演初始地震波阻抗、井旁多级地震子波的提取、间接反演最终地震波阻抗和大尺度地质模型约束等。在琼东南盆地和南黄海北部盆地。利用实际资料对多井约束分频非线性地震波阻抗反演方法进行了验证。首先对井的波阻抗曲线进行了多尺度分解,并进行了频谱分析；在此基础上,通过井约束波阻抗反演提取了多级统计地震反子波序列；然后分别利用井的不同尺度的频率分量作为约束条件,进行了地震波阻抗反演,获得了低频波阻抗剖面、中高频波阻抗剖面以及由低频和中高频波阻抗剖面合成的全频波阻抗剖面。对这些波阻抗剖面的分析表明,低频波阻抗剖面反映的是大套地层的岩性结构,中高频波阻抗剖面则很好地刻画了地层岩性的细节。因此,可以利用高分辨率的中高频波阻抗剖面识别砂体的边界以及进行含油气性判别。

人工智能算法在桥梁总体风险评估中的应用

为实现桥梁风险评估的快速评估决策和最小风险指标的求解,以平益高速南阳湘江特大桥为研究对象,建立了基于分权阈值的风险评估求解模型,使用径向对称解析的反距离褶积神经网络联合改进遗传算法对风险层次指标进行了求解,得到了最小风险指标,其最小值为0.1952。