无监督神经网络地震属性聚类方法在沉积相研究中的应用

基于自组织映射神经网络分析技术(SOMA)划分地震相是一种属性综合聚类方法,开展地震属性优选、确定聚类种数、分析地震相—沉积相关系是该方法应用过程中的关键.针对银额盆地白垩系苏红图组主力生油层系,充分挖掘叠后地震资料中反映的地震相类别信息,在地震沉积学理论指导下,应用SOMA进行属性聚类分析,并结合地质资料开展地震相—...     

基于地震纹理属性和模糊聚类划分地震相

基于地震纹理属性和模糊聚类划分地震相技术是一种属性综合聚类方法,因此选取何种参数(即输入属性体的类型、聚类或分类方法、地震相的地质意义解释等因素)描述地震相的地震反射特征是决定该类方法特点和应用效果的主要因素。本文联合应用模糊C均值聚类与地震纹理属性实现地震相的自动划分,针对三维地震数据体,该法为每个数据点在其三维邻域空间内从不同方向提取多种代表该点的地震纹理属性的特征参数,然后利用模糊C均值聚类方法对获取的特征参数集进行自动划分,从而确定每个数据点所属的相带。实际应用结果表明,该法的地震划相效果理想,与钻井结果基本吻合。     

地震属性融合技术及其在储层描述中的应用

针对陡坡带砂砾岩体具有非均质性强、物性变化快的特点,阐述了地震属性融合的必要性,建立了属性融合的算法和技术思路,依据井震关系和相关性分析优选属性并确定其权重,形成属性融合体。在多元回归法属性预测和叠前反演基础上,构建了地震叠后、叠前等信息联合识别和描述砂砾岩体储层的技术方法,精细刻画储层相带、厚度、物性的敏感变化,实现该类油藏由定性预测到定量评价的跨越,减少了勘探风险。     

基于叠前地震数据的流度属性计算方法

虽然从叠后地震资料的低频信息中提取流体流度属性进行储层预测和流体识别已经有了较好的应用效果,但是叠前地震资料相对叠后地震资料包含有更多关于储层和流体的信息,为了利用叠前地震资料中更多关于储层和流体的信息,将频散AVO分析与流体流度计算方法相结合,建立了流体流度与地震波入射角的关系,进一步推导了基于同步挤压广义S变换(SGST)的叠前流体流度预测方法,从而提取叠前地震资料中流体流度信息,并将其定义为叠前流体流度属性。建立AVO理论模型,计算了碳酸盐岩储层分别含水与含油时的叠前流体流度,证实了利用角道集振幅变化信息得到的叠前流度值变化更加明显;同时,对比不同时频分析方法对于流度计算精度存在的差异,验证了本文方法的理论有效性。将该方法应用于塔里木盆地某实际地震资料,并对比了叠前流度方法与叠后流度方法的应用结果,发现：叠后流度方法得到的流度属性虽然能够得到相对的流度值大小,但是很大程度上需要通过已钻井资料进行流度值门槛值标定,从而达到区分流体性质的目的;而叠前流度方法可通过流度变化正负值来直接确定流体性质。因此,叠前流度方法相对而言可以更好地预测流体性质。     

OVT域宽方位叠前地震属性分析方法

OVT域宽方位叠前地震属性分析是宽方位高密度地震勘探的配套技术.以方位各向异性分析为核心的OVT域叠前地震属性分析,充分利用叠前地震资料蕴含的地质信息和流体信息,可更有效地进行储层预测.本文以OVT域地震解释技术为主线,首先简要介绍OVT技术及其发展历程,探讨OVT技术对常规地震资料解释带来的革新及在OVT域进行地震资料解释的必要性;然后对基于方位角-炮检距叠加模板的OVT道集动态分析与叠加、OVT道集多尺度(多入射角)和多方位分析、OVT域AVO分析和OVT域方位各向异性分析等四种面向OVT域叠前地震属性分析与解释技术进行了详细论述;理论分析及在碳酸盐岩(裂缝)储层预测中的应用实例效果均表明,本文提出/倡导的OVT域叠前地震属性分析技术突破了常规叠后地震资料解释技术的局限性,基于OVT道集可实现高精度各向异性分析,显著提高了地震资料解释和裂缝预测的精度和准确性.     

基于高阶扩展快速行进法的缺失地震数据重建

传统地震数据重建算法大多采用整体重建模式.受数字图像重建思路启发,提出了一种基于高阶扩展快速行进法的缺失地震数据重建算法.该算法采用局部重建模式,首先将缺失地震数据映射为地震图像,并定量分析映射导致的量化误差; 再采用二抽取小波变换对地震图像进行分解,分解后的低频分量采用高阶扩展快速行进法做局部逐点重建,高频分量通过已重建低频部分的水平、垂直和对角预测滤波做重建; 然后采用小波逆变换得到重建后的地震图像; 最后将地震图像映射回地震数据.叠前和叠后实际地震数据重建实例验证了算法的可行性; 与基于形态分量分析、基于K-奇异值分解(SVD)字典学习等地震数据重建算法的对比结果表明,本文算法具有更快的重建速度和更高的重建精度.     

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.     

薄砂岩储层多波叠后地震反射特征分析及应用

影响储层多波地震叠后反射特征的因素很多,针对研究区的地质问题,重点分析了观测系统的炮检距、地震子波主频、储层垂向分布位置、围岩、储层厚度等5项因素。建立了一套以多波叠后反射特征正演分析、多波地震属性专家优化、多波属性融合为主要手段的薄储层预测方法。通过分析薄储层多波地震叠后响应特征,得到以下认识:(1)在分析储层的地震响应特征时,应建立在其他非储层因素相对稳定的基础上,才能较为准确地识别储层的地震响应;(2)薄含气砂岩储层呈弱反射信号,常被掩盖在砂、泥岩性界面的强反射之中,而联合多波信息是提高储层描述精度的一种有效途径;(3)在钻井样本数量很少、不便于使用自动化储层模式识别方法时,充分发挥针对具体研究目标的先验信息、数字特征与目标的相关性等专家知识,采用多波属性方法刻画储层是可行的。     

渤海湾盆地济阳坳陷油藏地震描述有效性技术研究

通过大量钻井与地震资料的对比分析,提出了渤海湾盆地济阳坳陷现阶段5种油藏类型三维地震描述的有效技术系列。基于高精度等时地层格架的保幅拓频处理、叠前叠后敏感属性融合应用、含油气性综合判识等是河道砂岩油藏地震描述的有效技术。测井约束层序细分、沉积微相随机模拟结合阻抗岩相概率体识别沉积微相与岩石相、相控约束多参数预测有效储层等技术,可有效应用于砂砾岩扇体油藏的地震描述。在提高分辨率处理的基础上,采用多属性融合技术,可以预测滩坝砂岩油藏的有效储层。甜点属性、地震波形指示反演、叠前弹性参数反演、岩性概率反演等技术,可有效描述浊积砂岩油藏。通过断层增强处理,应用多属性体联合识别断层,进行断层平面组合优化、空间立体解释等可以精细刻画复杂断块油藏。技术有效性是随着地震资料精度和品质以及地质条件的变化而变化的。      

混合概率模型驱动的叠前地震反演方法

叠前地震反演是获取复杂油气储层弹性参数、岩性及含流体性质的主要途径。常规的叠前地震反演往往将“弹性参数”、“离散岩性”和“流体因子”三者独立预测,通常忽视了储层岩性差异对弹性参数的影响,由此引入的先验信息误差会严重影响弹性参数、离散岩性及流体指示因子预测的精度。为此,考虑待反演模型参数的先验概率服从混合型概率密度分布,基于贝叶斯框架推导了由时域、频域地震、低频整合先验信息及已知模型数据点四类数据集协同约束的后验混合概率分布的显式解,将非线性边界约束算法引入叠前地震弹性参数反演中,缓解了模型反演出现不稳定解的问题;利用序贯模拟算法对后验概率密度函数随机采样,且对不同后验概率分量的模拟结果进行分类,发展了对地层连续“弹性参数”、“离散岩性”及储层“流体因子”的叠前地震同步预测方法。理论测试和实际应用验证了该方法在岩性预测和储层孔隙流体识别中的有效性和实用性。     

地震相的自动识别方法及应用

研究地震相的目的在于重塑盆地的沉积史和构造史。地震相分析是指根据地震属性对地震相单元进行识别和作图。本文应用人工神经网络分析技术对地震道波形及其反映的地质特征进行自动识别和分类，获得地震相图，进而与已知的钻井资料及区域地质资料进行对比和综合分析，得到与地震相相对应的沉积相，识别出特定的目标地质体。通过实例进一步说明地震相自动识别方法在三角洲、浊积砂体、古侵蚀地貌等地质体的描述方面具有很明显的优势，还介绍了二维测线的地震相自动识别方法．     

地震资料叠前深度偏移在CD地区的应用

本文针对复杂构造的成像问题，在ＣＤ地区开展了地震资料前深度偏移研究，并根据该区古生界册的地质特点和地震资料现状提出了一套处理流程，首先，对地震资料进行了精细的预处理，结合地质，测井和钻井等资料建立初始的地质模型；然后，利用ＣＭＰ道集相干反演速度分析方法建立整体的速度－深度模型；接着；利用偏移速度分析方法进行剩余速度分析，提高速度－深度模型的精度；最后，基于Ｋｉｒｃｈｈｏｆｆ积分偏理论进行叠前深度域     

叠前时间偏移技术在关家堡地区地震资料处理中的应用

速度分析的精度和复杂构造的成像是地震资料处理中难以解决的问题,但两者又相互依赖,复杂构造的成像建立在精确的速度分析基础之上。根据地震资料处理技术的发展现状,解决上述两个问题的最佳方法是实施叠前精细速度反演和叠前时间(或深度)偏移处理[1,2]。通过对大港油田关家堡地区地震资料进行叠前时间偏移处理,证明叠前时间偏移技术解决了关家堡地区构造、岩性变化复杂区域的偏移成像问题,降低了投资成本,为关家堡油田评价开发,提高钻井成功率,降低投资风险提供了可靠保证。     

国外地震相划分技术研究新进展

介绍了国外地震相划分的主要几种方法——波形分类法、地震结构属性映射法和地震地貌学法的基本原理和应用条件。波形分类法是基于波形特征的地震相划分方法,具有分类简单,算法成熟的特点,适合于大级别沉积相带的划分。地震结构属性映射法是利用已知的地震反射特征在一个小的空间内建立灰度协概率矩阵,再通过有关参数进行地震相的描述,具有较好的物理基础及人机交互性。地震地貌学法是在地震反射特征无法区分沉积相的情况下,利用沉积相带平面分布模式来识别地震相,需要在一定的地质认识下才能使用。     

井震多因素综合确定的解释方法与应用效果

鄂尔多斯盆地因巨厚的黄土覆盖造成地震资料信噪比低, 解释难度大。文章以该盆地盐定地区延长组中下部为例, 利用钻井岩- 电分析结果, 对地震资料进行精细确定、解释及质量控制, 提高了层序地层划分图、沉积相图、砂岩厚度图和构造图等的质量, 这项成果在盐定地区勘探中取得了良好的效果。     

地震叠前数据三维可视化技术探讨

随着地震处理技术和解释技术的发展,三维可视化技术在地震勘探中的应用领域不断扩大,在地震处理和叠前分析环节,也可以利用三维可视化技术进行质量监控和叠前道集的分析,以提高地震处理的质量,增加利用叠前资料进行各向异性分析的技术手段。根据地震叠前海量数据的特点,采用层次细节模型进行数据分块处理与组织管理,以满足地震叠前数据三维可视化实时显示的要求;采用三维场景对象管理机制,完成海量地震叠前数据的三维显示。就层次细节模型的数据组织和三维场景对象管理的相关技术进行了讨论,并就地震叠前数据与虚拟三维空间的关系进行了阐述;给出了地震道集数据的三维显示实例,三维可视化在速度分析、共偏移距和共方位角数据分析中的应用实例。     

基于改进深度学习方法的地震相智能识别

基于深度学习方法的地震相智能识别技术可以大幅度减少人工操作。现有深度学习方法的网络模型只能提取单一接收域下的目标特征,难以获取地震相在剖面上的全局空间分布信息,模型对少数类地震相的边界刻画效果较差,且缺乏对预测结果可靠程度进行评估的手段。针对这些问题,提出一种用于地震相分类识别的深度学习方法：在U-Net模型的末端加入金字塔池化模块以提高模型获取全局信息的能力;采用一种融合交叉熵与Dice指数的目标函数,改善不均衡数据中少数类地震相边界的刻画问题;提出“预测信息熵”的概念用于评估地震相预测结果的不确定性。该研究方法应用于F3工区地震相预测的实验结果表明：改进深度学习方法在地震相预测中具有更高的精度和更良好的边界刻画能力;同时,预测信息熵指标也能够较好地评价预测结果的不确定性。