用自组织神经网络实现地震同相轴自动追踪

本文提出了一种用自组织神经网络自动追踪地震同相轴的方法。文中简单地介绍了自组织神经网络，并针对地震同相轴追踪这一具体问题，设计了相应的学习方法。自组织神经网络可以进行无监督学习，且可以边学习边工作，因此本文提出的方法追踪迅速，自动化程度高，实际资料处理结果表明，本方法具有较好的应用前景。     

多属性神经网络地震反演在NB油田水平井钻探中的应用

NB油田位于渤海海域,为新近系河流相稠油油田,储层横向分布不稳定,砂体厚度薄、连通性较差,油水关系复杂,开发设计部署了大量水平井。选择神经网络反演方法,建立地震属性与储层参数的非线性关系,进而根据其关系反演得到储层参数数据体,利用该数据体沿层切片提取储层预测信息,研究储层发育规律,指导该油田水平井的部署和钻探,取得了较好的效果,降低了钻探风险。用神经网络地震反演方法进行储层预测研究,指导水平井钻探,在渤海海域尚属首次。     

模糊竞争神经网络在地震微相划分中的应用

为了满足地震解释中无监督型聚类分析的需要,我们提出了一种模糊自组织神经网络的结构和算法,它是在Kohonen自组织网、模糊网及竞争网的基础上发展起来的,它将模糊自组织神经网络中的隶属度概念引入了网络的训练过程,因而收敛速度很快;同时借鉴了竞争网良好的自适应和动态聚类能力及Kohonen网的映射密度图的概念,因此它具有快速处理大容量的数据且分类精度易于控制的特点。此种算法用于地震微相的划分取得良好的效果。     

微地震相分析在河流储层精细描述中的应用

传统地震相分析满足不了目前油田勘探开发的需要。神经网络微地震相分析将神经网络应用于高质量三维地震数据体中，可对单一反射同相轴进行波形信号分析和训练，建立模型地震道，并对实际地震道分类，进而得到在平面和剖面上精度较高的微地震相分布。采用该方法并结合测井资料，在研究区块中建立的微地震相分布图能够清晰地表现出该区块的沉积微相特征，且较好地解释了工区内2口井的产能差异，表明神经网络微地震相分析是可靠和有效的。     

复杂断裂油田小构造研究模式

目前已开发的老油田,主要以构造为其主控因素,尤其复杂断裂油田,它们是目前产量构成及挖潜的主体;由此围绕控制剩余油分布的重要因素—复杂断裂油田小构造的系统研究及模式的总结具有重要意义,作者以渤海湾盆地东营凹陷中复杂断裂油田—纯化油田为例证,在三维地震理论与实际分辨率的分析研究基础上,研究总结出了复杂断裂油田小构造研究的基本模式。该成果已在老油田开发中取得了显著的增储上产效果;显然,复杂断裂油田小构造研究模式,在东部老油田的挖潜中具有参考与指导作用。     

基于三维场的储层预测方法及应用

三维体可视化解释是通过采用各种不同的透明度参数,在三维空间内对三维地震数据体直接刻画地层的构造、岩性及沉积特征[1]。这种三维立体扫描和追踪技术可使解释人员快速选定目标,结合精细的钻井标定,可帮助解释人员准确、快速的描述各种复杂的地质现象。自组织神经网络地震相分析是一种基于地震道形状的地质特征描述方法,主要通过对不同地震道的波形分析来获得地震相分布,结合测井相标定,可进一步将地震相转换成沉积相的三维空间分布。在对委内瑞拉英特甘博油田复杂岩性油藏的储层空间非均质性以及油水关系研究中,综合应用这两种基于三维场的地震体直接刻画方法,结合测井标定,取得了很好的应用效果。     

利用神经网络进行综合层序地层——地震属性分析

这个实例研究表明了多道地震属性及中子神经网络的模型识别能力的优势，并预测了西得克萨斯洲Ｐｅｇａｓｕｓ油田的储层几何形态和孔隙分布的情况。这项研究采用了神经网络的优势，综合了地质，井孔和地震资料，文中的实例表明了新的神经网络方法及地震道反演的更传统的方法在用于估计孔隙度方面获得进步，我们的步骤是一种较直接的，但是需要仔细的质量控制，以确保总地震资料可靠的进行预测。网络的训练，检测和验证数据库提供了利     

神经网络技术与地震参数隔层预测

论述了油田区块开发前期和中期利用三维地震保幅叠偏资料以及钻进地质和测井资料，采用神经网络进行储层间的隔层预测方法及实际应用问题，通过实例分析，认为该方法技术的精度和可靠性较高，其结果为油田区块开发方案的制定提供了较可靠的依据。     

基于三维场的地震相分析方法及应用

自组织神经网络地震相分析是一种基于地震道形状的地质特征描述方法,通过鉴定对地震道的波形分析获得地震相的分布,结合测井资料,进一步将地震相转换成沉积相。应用该方法对潜江凹陷蚌湖向斜西Eq341地层进行了地震相分析,综合研究了该油藏储层的沉积微相及其储层展布特征,认为该区为陡坡扇三角洲半深湖沉积体系,据此布置的G43-1井获高产工业油流,取得了较好的勘探效果。     

地震技术作为油藏工程师一种重要工具的发展历程

在印尼Caltex Pacific的Sumatra岛Duri油田正在进行着四维勘探,或叫三维时移地震勘探。地震技术正在大量地提高原油采收率,使世界最大蒸汽驱油田的能源利用最佳化。在北海的Ekofisk油田,菲力普石油公司已将井中地震成像(也叫垂直地震剖面)与三维和四维的地表地震资料结合起来监测油藏,并更有信心地确定新的井位来恢复生产。在堪萨斯西南部的Kinsler油田,阿莫克、德士古和大陆石油公司已借助井间地震成像制定钻井决策和进行油藏表征。这些成果标志着地震技术除用于勘探之外,又向前有了很大的发展,成了油田开发和生产的重要工具。同时这些例子也表明,工程技术人员和地学工作者若真正地遵行多学科组织协作就有可能将未利用的资源转为可采储量。     

以地震反演资料为基础的相控储层建模方法在BZ25-1油田的应用

与陆上油田相比 ,海上油田钻井资料相对较少 ,但三维地震资料品质相对较好 ,而地震反演数据体可以反映储层砂体的岩相分布与物性分布。因此 ,在BZ2 5 1油田的开发方案研究中 ,尝试了一种以地震反演资料为基础的相控储层建模方法。结果表明 ,成功应用这种储层建模方法 ,不仅可以避免常规建模方法中经常存在的物性分布与岩相分布不匹配的“两层皮”现象 ,获得与地质认识相一致的结论 ,而且可以大大提高油藏数值模拟的精度与效率 ,为油田开发方案设计提供科学依据。     

沉积模式约束的地震多属性水下扇岩相划分

水下扇是一类重要的岩性油气藏勘探目标,但对其内幕岩相进行精细刻画难度较大,导致勘探井位部署的成功率很低。为此,本文从"扇沉积模式"出发,建立一种模式指标来解决井数据缺乏的问题。以渤海湾盆地辽中凹陷南洼古近系东营组某一期湖底扇为例,通过经典水下扇模式分析地震相,综合选择出既有明确地质意义、又能一定程度上综合反映地震波反射特征的砂岩和砾岩两种组分含量指标来量化分类水下扇岩相。然后采用模糊径向基函数神经网络来映射"砂岩和砾岩含量-地震属性"间非线性关系,从而获得水下扇岩相的粗略划分,可满足勘探阶段大范围储层描述的精度要求。本文的主要目的是探讨如何将 "扇沉积模式"与"地震数据"进行定量化衔接,从而为水下扇岩相的识别提供一种可能的解决方案。     

地震特征空间到储层特征空间的非线性映射

由井资料可提供研究层段的岩相、平均孔隙率、有效厚度和砂泥岩百分比含量等多种储层参数,再由它们组成多口井的多维储层特征空间;通过对这些样本用自组织入工神经网络特征映射实现样本聚类,找出可靠的井组及每一井组所对应的储层特征类别;然后,利用井位处的地震道,通过迭代计算确定反映地震道类区分能力的特征子集,并实现对地震道的聚类;最后,在每一分类中,采用多层前馈映射型神经网络将各地震道映射到由储层参数构成的地质空间,确定储层的平面分布。文中列举了在泌阳凹陷北部一个三维地震测区对主要产油层段应用此法进行储层参数空间定量分析的实例。     

概率神经网络技术在非均质地层岩性反演中的应用

提出了一种由多测井和多地震属性参数组成的概率神经网络方法,来进行非均质性较强的油气储层的预测.介绍了该方法的网络模型构建和地层岩性预测的过程.利用该概率神经网络方法,研究了我国西南某一岩性油气田沙一段湖滩砂及河道砂体.运用测井响应特征、地震属性特征与地质岩性特征的相关性对概率神经网络进行了培训,从而对地层特征进行了预测和识别,并取得了较好的应用效果.     

多属性概率神经网络技术在ML油田岩性油气藏预测中的应用

在ML油田,由于地震资料品质差、井数据缺乏、开发程度低等原因,采用常规阻抗反演进行油气预测效果不理想,为此应用多属性概率神经网络技术进行油气预测。在研究区首先进行多属性分析,优选出振幅包络、泊松比等7种地震属性,建立起地震属性与油气之间的非线性关系;然后对已钻遇岩性油气藏砂体进行油气预测,将预测结果和实际测井数据进行对比说明预测结果真实可靠;最后对潜在的岩性油气藏目标砂体进行油气预测,得到目标砂体的油气分布概率以及厚度图,从而指导油田岩性油气藏的勘探与开发。     

基于地震属性分析的地层孔隙压力钻前预测模型

钻前准确预测地层孔隙压力是进行井壁稳定状态分析的基础。基于地震和测井信息间的密切联系,提出了利用地震属性预测孔隙压力的新方法。通过神经网络建立已钻井段的井旁地震属性和声波时差测井数据之间的非线性关系模型,以此模型为基础预测未钻地层的声波速度。利用预测结果结合岩石力学模型得到垂直有效应力,最后根据有效应力原理计算地层孔隙压力。该方法有效克服了传统的地震层速度预测模型的不足之处,在油田的实际应用中取得了良好的效果,尤其适用于在勘探新区进行孔隙压力预测。     

自动编辑地震道的两步法

为了尽可能地剔除噪声、保留有用信号，提出了一种自动编辑地震道的两步法，该方法先在局部时窗内根据采样点的振幅与平均振幅的比值对地震道中的尖脉冲和猝发噪声作精细切除，然后采用一个３层ＢＰ人工神经网络对地震道进行整道编辑，以剔除其他噪声。实际资料试处理效果分析表明：该方法不漏切噪声，也不会将有用信号盲目丢失。     

井间地震资料解释方法技术及其应用

利用井间地震成像资料可以对地层、构造、储层等地质目标进行精细解释，其精度是地面地震资料的10倍以上。介绍了井间地震资料的特点，阐述了井间地震资料的解释思路，建立了井间地震资料解释流程。在SL油田LJ地区进行了井间地震资料解释，结果表明，利用井间地震资料可以解释出常规地面地震资料不能发现和确定的小（微）构造和小断层，精确描述由常规地面地震资料无法分辨的储层沉积模式，建立高质量的地质模型，提高储层描述的精度，从而掌握井间剩余油的分布情况及其控制因素，指导油田的进一步开发。     

极限学习机驱动的地震多属性融合识别曲流带单一点坝

识别高弯度曲流河内部单一点坝对于研究曲流河演化特征、指导油气藏开发等具有重要意义。为此,以孤东油田馆陶组曲流河为例,综合地震属性聚类分析与优选、极限学习机算法属性融合和地震正演模拟等,构建一种利用极限学习机算法驱动的地震多属性融合技术,识别复杂曲流带内部单一点坝。钻井和开发动态检验表明：①该方法在实例区的砂岩厚度预测单井吻合率达到93.3%,优于支持向量机和BP神经网络方法; ②研究区曲流带内部发育三种点坝叠加模式,即相向迁移点坝叠置、同向迁移废弃河道残留和同向迁移废弃河道无残留,三者地震相在反射连续性和振幅强度方面存在差异; ③研究区曲流带内部发育有5个单一点坝,点坝间残留的废弃河道形成渗流屏障影响剩余油开发。该方法研究成果可为油藏开发提供地质依据。     

地震多属性非线性反演方法在东营三角洲中的应用

地震多属性反演的目的是为储层预测提供丰富的基础资料。在实现方法上主要有线性方法和非线性方法,地震多属性非线性反演方法多采用神经网络、支持向量机等工具进行映射,其反演预测结果比线性方法更符合实际地质情况。将自然电位曲线作为地震多属性非线性反演的目标,首先,通过线性回归的方法,寻找用于反演自然电位曲线的最优地震属性组合;然后,选用多层前馈神经网络,进行地震多属性非线性反演,得到了三维自然电位数据体;最后,利用自然电位数据体沿层切片,清晰地展示了东营三角洲沙三段中亚段砂体的前积过程。