物探化探计算技术
物探化探計算技術
물탐화탐계산기술
Computing Techniques for Geophysical and Geochemical Exploration
2015年
4期
472-477
,共6页
周单%朱童%胡华锋%唐金良
週單%硃童%鬍華鋒%唐金良
주단%주동%호화봉%당금량
叠前反演%概率神经网络%孔隙度反演%储层预测
疊前反縯%概率神經網絡%孔隙度反縯%儲層預測
첩전반연%개솔신경망락%공극도반연%저층예측
pre-stack inversion%probabilistic neural network%porosity inversion%reservoir prediction
非线性反演方法在储层预测中得到了广泛地应用,但其通常只采用叠后波阻抗反演结果和叠后属性进行预测,进而忽略了叠前道集中包含的岩性信息.这里提出了一种基于叠前反演的储层预测方法,可以有效地利用叠前信息进行储层预测.首先对叠前道集进行针对性处理,使其满足叠前反演的要求,其次改进横波估算方法获得高精度的横渡数据,并针对叠前数据进行子波提取,然后通过叠前反演获得纵波、横波阻抗和密度信息,最后结合叠前属性,采用概率神经网络方法(PNN)来反演储层孔隙度参数,该方法克服了叠后波阻抗反演进行储层预测造成的多解性问题,并提高了储层识别的精度,预测结果与测井一致,证明该方法正确有效.
非線性反縯方法在儲層預測中得到瞭廣汎地應用,但其通常隻採用疊後波阻抗反縯結果和疊後屬性進行預測,進而忽略瞭疊前道集中包含的巖性信息.這裏提齣瞭一種基于疊前反縯的儲層預測方法,可以有效地利用疊前信息進行儲層預測.首先對疊前道集進行針對性處理,使其滿足疊前反縯的要求,其次改進橫波估算方法穫得高精度的橫渡數據,併針對疊前數據進行子波提取,然後通過疊前反縯穫得縱波、橫波阻抗和密度信息,最後結閤疊前屬性,採用概率神經網絡方法(PNN)來反縯儲層孔隙度參數,該方法剋服瞭疊後波阻抗反縯進行儲層預測造成的多解性問題,併提高瞭儲層識彆的精度,預測結果與測井一緻,證明該方法正確有效.
비선성반연방법재저층예측중득도료엄범지응용,단기통상지채용첩후파조항반연결과화첩후속성진행예측,진이홀략료첩전도집중포함적암성신식.저리제출료일충기우첩전반연적저층예측방법,가이유효지이용첩전신식진행저층예측.수선대첩전도집진행침대성처리,사기만족첩전반연적요구,기차개진횡파고산방법획득고정도적횡도수거,병침대첩전수거진행자파제취,연후통과첩전반연획득종파、횡파조항화밀도신식,최후결합첩전속성,채용개솔신경망락방법(PNN)래반연저층공극도삼수,해방법극복료첩후파조항반연진행저층예측조성적다해성문제,병제고료저층식별적정도,예측결과여측정일치,증명해방법정학유효.