双极子分解匹配追踪算法在薄层反演中的应用

匹配追踪算法在地震谱分解、时频分析及薄层反演等领域有广泛的应用。本文利用双极子分解理论建立过完备奇、偶原子库,再通过匹配追踪算法对地震信号进行稀疏分解,以实现薄层反射位置及反射强度的反演。模型试算及对实际数据的运算结果都表明:与传统匹配追踪算法相比,双极子分解匹配追踪算法对地震信号有更高的分解精度,且具有较好的抗噪性。     

关联维在砂体储层预测上的应用

主要针对砂体储层做关联维分析,从道内方向和道间方向上分析关联维识别砂体储层的有效性。首先给出了利用地震数据求取关联维的计算方法,并采用自动识别无标度区间方法减少无标度区间确定的主观因素。在分析塔河地区地震和地质条件的基础上,建立了两套地质模型,采用频率-波数域波动方程数值模拟方法对地震波场进行正演模拟。结合理论模型和实际地震资料,比较了应用道内和道间关联维数进行储集层预测和油气检测的方法,表明关联维在砂体储集层检测上具有一定的效果。     

基于CNN-GRU神经网络的测井曲线预测方法

目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题.为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法.以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时...     

ZH区碳酸盐岩储层孔隙度预测方法研究

研究区的目的层段为碳酸盐岩,孔隙度的变化对速度和阻抗有着较大的影响,因此波阻抗可以用来预测孔隙度,从而为储层预测提供依据。该方法的基本原理为：首先利用地震资料和测井资料,做波阻抗反演,从而得到碳酸盐岩的波阻抗;然后利用井资料和最小二乘原理拟合出来的孔隙度与波阻抗的关系做孔隙度预测;最后将所预测的孔隙度与井资料对比并进行误差分析,找出了最适合研究区的孔隙度与波阻抗的关系。将该方法运用于ZH区,预测结果表明,利用孔隙度与阻抗的二次多项式关系所预测的孔隙度误差较小,与实际资料符合较好。     

基于玫瑰图的裂缝方位曲率分析

考虑到裂缝发育的方向性,文中提出基于玫瑰图分析的方位曲率检测裂缝方法。方位曲率属性技术能够加强某一分析方向上的裂缝特征在曲率属性上的显示,为检测和展示不同方向上裂缝发育特征提供了手段。玫瑰图分析能够显示出裂缝发育的方位角,为方位曲率分析方法中的方位角选择提供解决方案。数值模拟结果表明,此方法正确可行。实例分析结果表明,在玫瑰图分析基础上的方位曲率属性技术,排除了非期望方向的裂缝信息干扰,得到了精细显示的裂缝发育特征曲率属性图。解释人员能够获得期望方位角上的裂缝展布特征,为后期的钻井部署提供有力依据。     

基于值域变换的地质异常体突出显示

在对地质异常体进行检测时,若异常体所在位置检测值的值域范围较小,则很难选择合适的配色方案将异常体突出显示出来。针对这一情况,本文提出了对不同检测值段进行区间放缩的方法突出显示异常体。该方法首先根据不同检测值段出现的频率来放缩该段的值域,再依据线性变换将检测值映射到新的值域,最后通过调色显示新检测值。通过对模型的试验以及对川东北XX区二叠系长兴组潮道和塔河YY区三叠系中油组砂体的处理,证实了该方法效果明显。     

曲率在复杂地质体检测中的应用

不同地质体的曲率特征有所差异。针对断层、窄河道、宽河道进行了仿真试验,根据仿真试验结果确定了断层、河道的识别原则。利用改进后的曲率算法计算了XX地区和YY地区最大正曲率和最小负曲率属性。并根据提出的识别原则对XX地区的断层和YY地区的断层及河道进行了识别,取得了很好的效果。试验结果表明,最大正曲率与最小负曲率的有效结合可以很好地识别断层与河道,并且改进方法有效地修正了误差。     

基于地震相分析的砂体储层厚度描述

勘探初期,工区内钻井较少和砂体厚度较小且横向分布不稳定的时候,找到一种合适的方法来描述砂体的分布范围和厚度是一件十分困难的事情.地震的各种属性和波阻抗反演在碳氢检测、储层预测和层序地层解释中具有广泛的应用,基于属性的地震相分析可以清晰地刻画砂体的横向分布情况.研究区调谐频率和砂体的厚度有较好的对应关系,因此,根据实际情...     

曲率方位加强技术在识别低序级断层中的应用

传统的地震体曲率属性分析通常不能有效利用地震数据中的方位信息,考虑到断层及裂缝发育的方向性,文中提出利用加强的曲率方位信息进行断层分析的方法。由于噪声对体曲率属性分辨率影响很大,对于较难识别的低序级断层,首先通过各向异性扩散滤波对地震数据进行滤波处理,然后通过推导出的方位滤波算子和改进后的体曲率属性进行分方位处理,最后结合三维French模型和实际地震剖面说明文中方法的准确性。研究分析表明:将方位信息与体曲率属性相结合,能够排除非期望方向的信息干扰,突出特定方向的信息,为后期解释提供有力依据;方位加强后的体曲率属性切片效果比常规方法求取的方位体曲率属性分辨率更高,低序级断层显示效果更明显。     

基于随机森林算法的AVO类型判别北大核心CSCD

AVO技术可用于含气储层的识别,对油气勘探具有重要意义。人工识别储层AVO类型人为干扰因素较大,识别精度较低且耗时较长。由此,本文引入随机森林算法,利用Bootstrap重复抽样及枝叶节点分裂等技术生成大量决策树分类器,通过统计所有决策树的分类结果实现对储层AVO类型的判别。首先,基于工区内测井数据建立速度密度模型;其次,利用Shuey近似公式计算AVO曲线并获得该曲线对应的拟合多项式;第三,根据拟合多项式提取形态特征参数作为随机森林算法的训练数据集输入参数,将人工AVO类型识别结果作为输出参数,训练并得到决策树分类器;最后,以实际叠前地震数据的AVO曲线特征参数为输入参数,通过随机森林决策树分类判别得到工区内储层AVO类型。通过与近似支持向量机算法的对比结果可以看出,两种算法对储层AVO类型判别结果相近,都具有较高的准确率,但相比之下随机森林算法所需特征属性较少,泛化性较强,具有更好的普适性。