任意密度分布的三维傅里叶重力反演

前言近年来,由于建立象沉积盆地这样更逼真的地球物理构造模型的需要,在重力反演中变密度差的应用显得愈来愈重要。目前论及的几种方法是以空间域或频率域中密度呈线性形式、平方形式或指数形式的变化为基础的,可参见Granser(1987),Chai和Hinze(1988),Reamer和Ferguson(1989)以及Rao等人(1990)的文章。Guspi(1990)则将多项式密度一深度函数用于空间域二维多边形的重力异常反演。     

二维重力数据径向反演及应用

相对于直角坐标系下的反演方法,径向反演方法具有模型参数减少一半且反演参数具有同一量纲的特点,而Tikhonov正则化方法能方便地应用多种约束条件和引入场源先验信息。该方法对于近圆形、梨形或在某方向呈瘦长形的独立场源的反演效果较好。本文将正则化因子自适应选取引入径向反演方法中,提高了反演效率和数据拟合程度。自适应正则化径向反演方法在模型数据试算和实际重力数据处理中均取得了较好的效果。     

用RBF神经网络建立航空煤油密度软测量模型

在航空煤油的生产过程中,由于航空煤油密度的检测有很大的滞后而难以实现直接质量控制,降低了航空煤油产品的质量和产量,影响了生产效益。针对实际的生产过程,利用径向基函数（ＲＢＦ）神经网络开发了一个航空煤油密度的软测量模型,并用遗忘因子递失算法（ＲＦＦ）对其做了实时自适应校正,实现了航空煤油密度的在线估计,从而为进一步实现质量控制提供了有力的软测量工具。     

渭河盆地基底三维变密度重力反演

渭河盆地前寒武系变质基底深度反演对于盆地古生界油气勘探具有重要意义,但目前对于基底深度认识不足。盆地内各沉积层密度随深度变化且横向上亦有差异,因此采用常密度模式的重力反演不能准确得到盆地基底深度。本文根据渭河盆地综合地球物理剖面解释结果,结合不同构造单元内各地层密度,在不同水平位置利用6种密度-深度函数拟合实际地层密度。不同函数拟合误差统计结果表明,指数变密度函数更符合渭河盆地沉积层密度变化规律。利用不同位置的指数变密度函数中地表密度差及密度随深度的变化系数进行插值,进而得到了全区的地表密度差及密度随深度变化因子,据此建立了渭河盆地及邻区三维密度模型,并利用该变密度模型反演了前寒武系结晶基底深度。与常密度模式重力反演结果对比表明,三维变密度反演结果更加准确,能为盆地油气勘探提供基础数据支撑,该方法亦可为解决类似地质-地球物理问题提供研究思路。     

重力,地震联合反演基岩密度及综合解释

重力布格异常主要由区域场、沉积岩异常及基岩岩性异常组成，利用地形相关法可以计算重力异常区域场；根据地震资料提供的密度界面模型，利用组合方柱体模型进行正演剥离可以计算沉积岩异常；其剩余场可以认为是由于基岩岩性变化所引起。对剩余场线性反演，利用奇异性分解法求解线性方程组，便得到基岩岩石密度分布资料，再结合航磁、ＭＴ、地质资料进行综合解释，文中以Ｙ盆地为例，较为合理地解释了该盆地的基底结构。     

基于高阶多项式密度函数的重力反演

重力反演是研究地下密度体空间展布的地球物理手段之一。现有的密度反演方法通过对地下介质的网格剖分,直接反演每个网格单元的密度值。本文用多项式函数近似表示地下复杂的密度变化,提出一种通过反演多项式密度函数的系数确定密度变化的新方法。不同于常规网格剖分方法,该方法无需在垂向上划分单元,在一定程度上缓解了网格疏密、内存占用与反演精细度之间的矛盾。理论模型测试表明多项式系数反演与多种约束相结合,能清晰地突出局部异常体的位置、规模和边界等信息,且效果优于L₂模约束反演的结果。该方法成功应用于济阳坳陷区古潜山和凹陷的识别,根据反演的密度差剖面可大致确定不同岩性密度体的边界,弥补了地震剖面反映古潜山展布的不足。     

基于PSO优化的RBF神经网络在地震测井联合反演中的应用

目前,钻井地质特征参数的获得主要依赖于地震、测井资料,对待钻井而言,则只有地震信息.而若缺乏详细的地质信息,利用地震信息很难精确地推算各种地质参数.可首先利用已钻井地震信息和测井信息的映射关系,结合待钻井的地震信息,来预测待钻井的测井信息.采用PSO优化的RBF神经网络算法进行地震测井反演,并将该算法应用于准噶尔盆地永字号井.该算法与最小二乘RBF神经网络算法和梯度下降RBF神经网络算法相比,在平均绝对误差、平均相对误差、最大误差、相关系数、数据方差以及收敛速度等方面都是最优的.     

利用叠前密度反演预测岩性的应用研究

珠江口盆地番禺某地区使用常规的叠后波阻抗较难识别储层岩性.使用叠前密度反演方法,即利用不同炮检距道集数据以及纵波、横波、密度等测井资料进行反演,同时反演出纵波阻抗、横波阻抗、密度等.利用该技术对该地区进行储层预测,结果表明密度可以有效的区分该区的储层,并能清楚反映出尖灭等地质现象;目的层SB21.0沿层属性展示出有利储...     

一种变密度—速度关系的重力与地震同步联合反演方法

针对现有同步联合反演方法的不足,提出一种变密度—速度关系的重力与地震同步联合反演方法。详细推导了联合求解密度模型与速度模型的解估计公式;给出了利用密度模型和速度模型的高阶统计量的物性关系更新算法,初始物性关系在反演迭代过程中根据当前及上轮迭代的密度和速度模型不断更新。模型试算结果证明该方法降低了初始物性关系不准确对反演结果造成的不利影响。实际资料试算结果表明该方法建立的速度模型能够改善地震成像质量,在低勘探程度地区具有较大的应用潜力。     

径向基函数神经网络在孔隙度预测中的应用

利用径向基函数神经网络对新疆乌尔禾地区三叠系白口泉组储层孔隙度进行预测,取得了较好的效果。对比分析结果表明,径向基函数神经网络预测结果较BP神经网络以及线性回归法预测结果精度高。阐述了应用中应该注意的问题。     

用Hopfield神经网络反演横向各向同性介质参数

本文用Ｈｏｐｆｉｅｌｄ神经网络对横向各向同性介质的各向异性参数反演作了初步研究,首先简述Ｈｏｐｆｉｅｌｄ神经网络,说明该网络具有能量单调下降但并不保证收敛到能量最小的特性,然后详细推导出了运行网络的权系数和输入项公式。     

应用时域卷积神经网络的地震波阻抗反演方法

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。     

基于RBF网络的抽油机减速器故障诊断

针对振动频谱复杂、受频率分辨率限制,使得传统振动频谱法诊断正确率不高等问题,提出用径向基函数(RBF)神经网络来进行抽油机减速器故障诊断。介绍了径向基函数神经网络的结构、算法以及实现;通过对减速器振动时域信号及其频谱进行分析,总结归纳出具有典型特征的诊断样本,组织构造相应的神经网络。分析研究结果表明,RBF神经网络易于实现减速器故障的自动诊断,并能提高故障诊断的准确性。     

利用高斯径向基函数的拟神经网络重力反演方法

为了提高重力反演分辨率,提出一种利用高斯径向基函数的拟神经网络反演方法。该方法利用高斯径向基函数压缩模型空间,在保证复杂模型表征能力的前提下,实现了反演参数的降维;以高斯径向基函数为激活函数,构建一种拟神经网络结构,不需要训练,可以克服建立训练数据集的困难。该方法较好地解决了重力反演不适定性所导致的趋肤、垂向分辨率低、多解性强和严重依赖先验约束等问题,并从重力数据中最大程度地提取有效信息以提高反演结果的分辨率,增强可靠性。模型实验证明了该方法具有较高的精度和分辨率,能较准确地反演模型的位置、边界和密度。应用该方法反演车镇凹陷重力数据,得到了垂向分辨率较高的剩余密度模型,从中提取密度界面和剖面开展构造解释,揭示了下古生界构造格局和潜山发育规律,证明了该方法的实用价值和应用潜力。     

神经网络法地震反演应用及效果

X潜山研究区属于储层非均质性极强的裂缝型油藏,构造极为复杂,初始模型的构建难度极大,多解性非常强。为此,要寻找一种方法,充分利用现有各种测井资料,弥补声波测井的不足;充分利用地震资料的中频信息,来提高储层反演的分辨率和精度,尽可能的减少反演结果的多解性,增加反演成果的客观性,以便更准确地进行储层预测。作者建立地震属性与测井资料的多维线性或非线性的统计关系,进而利用基于神经网络法地震反演和线性、非线性多元地震属性分析对裂缝型储层进行横向预测。概率神经网络方法采用了交叉检验预测精度的方法,所以,在相关性较好的情况下,增加了预测结果的可靠性,减少了多解性,提高了预测结果的精度。     

二维密度界面正反演的样条函数法

本文从重力场基本公式出发，研究了节点任意分划的二元三次样条函数的插值．求导和求积方法，并提出了常密度二维单一界面及多界面正反演的样条函数方法。该方法将形体正反演与界面正反演统一起来，使计算灵活方便，文中给出的理论模型和实际数据算例证明了该方法的实用性；该方法与其它正反演方法（线元法正演、方柱体组合正演，压缩质面法反演、Ｐａｒｋｅｒ公式正反演）相比，计算结果更加精确。     

神经网络反演在火山岩储层预测中的应用

川西南井研地区二叠系火山岩分布稳定,地震反射特征整体呈“两强波峰夹一波谷”,火山岩内部发育两套储层,且上部储层由厚度小于7 m的多个薄层组成,受地震分辨能力限制,常规地震属性和波阻抗反演等方法均不能精确识别两套储层及其分布。利用孔隙度可表征储层特征且与波阻抗具有良好拟合关系的特点,提出采用拓频地震数据和神经网络孔隙度非线性反演技术预测火山岩上、下储层。地震数据经谱分解处理后得到低、中、高频数据体及其对应的分频地震属性,通过神经网络反演建立分频地震属性与孔隙度的非线性映射关系,进而得到高分辨率的孔隙度反演结果。综合预测结果表明：神经网络反演结果与实钻井吻合;纵、横向分辨率明显提高,能有效识别井研地区火山岩两套储层在纵向上主要发育在中、下部,平面上主要发育在工区西部。研究结果可指导后期勘探评价或开发井部署。     

基于径向基网络的管道轴向应力强度因子计算

利用有限元方法进行分析计算得到了一批新的管道轴向应力强度因子数据,补充了管道轴向应力强度因子数据库。以径向基函数神经网络对计算所得数据进行处理,建立了一种2因素径向基函数网络模型。仿真结果表明,径向基函数网络模型能有效地对未知管道轴向应力强度因子进行预测。