多属性神经网络反演在重力流储层预测中的应用——以歧口凹陷歧南斜坡沙一段为例

歧口凹陷歧南斜坡沙一段属于典型的重力流水道沉积,受湖盆深陷扩张、沉积坡度陡等因素影响,各层砂体普遍发育,但纵向相互叠置、横向变化大,地震属性分析对纵向相互叠置砂体的区分能力较差、精度不高。基于特征曲线重构的多属性神经网络反演技术先通过叠后地震资料拓频处理,提高薄层砂岩识别能力,再利用基于高阶统计量的时频分析技术构建五级层序格架,细化地质研究对象,最后采用基于GR曲线重构的多属性神经网络反演进行储层预测。该技术使得砂体叠置区分辨能力更强,边界刻画更清晰,提高了反演结果的精度和准确性,实践证实储层预测符合率可达到80%以上,为纵横向变化大的砂体分布预测提供了一种新的技术思路。

基于五阶CWENO重构的中心迎风格式

提出一种五阶CWENO重构,将其与中心迎风数值通量相结合,得到一种求解双曲型守恒律方程的五阶中心迎风格式。该格式构造简单,无需Riemann求解器,易于编程实现。运用该格式求解标量守恒律方程和Euler方程组,数值结果表明,该格式具有五阶精度,分辨率高,能准确计算出解的各种复杂结构。

求解二相LWR交通流模型的低耗散中心迎风格式

将求解双曲型守恒律方程的低耗散中心迎风格式和5阶WENO-ZQ格式相结合,推广应用于求解二相LWR交通流模型方程.并在时间方向上推进采用具有强稳定性的4阶Rung-Kutta方法.最后结合Riemann问题及现实生活所遇到的交通流现象进行设计和分析.通过数值算例证明该格式具较强的稳定性和较高的精度,得到了令人满意的结果.