摘要
为了充分挖掘叠前地震数据中反映地震相类别的细微信息,充分利用钻井、地质等先验知识,提出基于叠前地震纹理属性的半监督地震相分析算法。该算法首先引入叠前地震纹理属性,以突出地震反射信息中的微小空间、振幅随方位角/炮检距等的变异性;然后采用自组织映射,对训练样本对进行训练;最后在钻井先验知识的约束下,对自组织映射输出层的神经元进行半监督聚类,得到神经元与地震相类别的映射关系。理论模型和实际资料应用结果证实该方法可提高地震相图的准确度及地震微相的识别能力,是一种性能优越的地震相分析工具。
A semi-supervised seismic facies analysis algorithm based on prestack seismic texture is proposed for taking full use of subtle information contained in prestack seismic data based on prior knowledge such as drilling and geological data.First,prestack seismic texture is introduced to highlight the variability of tiny space and amplitude with azimuth/offset in prestack seismic data.Second,self-organizing map(SOM)is used to train samples.Finally,constrained by prior drilling knowledge,the semi-supervised clustering of neurons in the output layer of SOM is carried out to generate the mapping relation between the neurons and the seismic facies category.Theoretical model and application demonstrated that the method can improve the accuracy of seismic facies map and enhance the ability to distinguish seismic microfacies.It is a better tool for seismic facies analysis.
作者
蔡涵鹏
胡浩炀
吴庆平
王军
李志鹏
CAI Hanpeng;HU Haoyang;WU Qingping;WANG Jun;LI Zhipeng(School of Resources and Environment,Universityof Electronic Science and Technology of China,Chengdu,Sichuan 611731,China;Center for Information Geoscience,University of Electronic Science and Technology of China,Chengdu,Sichuan 611731,China;Research Institute of Exploration&Production,SINOPEC Shengli Oilfield,Dongying,Shandong 257015,China)
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第3期504-509,468,共7页
Oil Geophysical Prospecting
基金
国家自然科学青年基金项目“基于叠前地震纹理分析的复杂储层识别机理和方法研究”(41604107)
国家科技重大专项“渤海湾盆地济阳坳陷致密油开发示范工程”(2017ZX05072)联合资助
关键词
地震相分析
叠前纹理特征
半监督学习
自组织映射
seismic facies analysis
pre-stack texture
semi-supervised learning
self-organizing map
作者简介
蔡涵鹏,四川省成都市高新西区西源大道2006号电子科技大学资源与环境学院,611731。Email:hanpengcai@uestc.edu.cn,博士,副教授,1983年生,2006年毕业于成都理工大学,获勘查技术与工程专业学士学位,2012年毕业于成都理工大学,获地球探测与信息技术专业博士学位。2012年7月至2015年3月在中国石油川庆钻探工程有限公司博士后流动站工作,2015年4月至今就职于电子科技大学资源与环境学院,主要从事地学复杂多维信息智能处理、地震和油藏大数据分析、储层地球物理综合预测等方面的研究和教学工作
