期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于绕射波的地震属性研究进展 被引量:1
1
作者 谢玮 夏勇 +3 位作者 杨骞 毕臣臣 吕慧 雷朝阳 《石化技术》 CAS 2024年第4期216-218,共3页
绕射波是地下非均质异常体、小尺度构造的信息载体,具有较高分辨率。目前,绕射波分离及成像方法已逐渐成熟,而绕射波地震属性的研究及应用较少。基于此,系统梳理了绕射波地震属性在缝洞体、断裂、裂缝以及河道识别领域的应用,探讨了绕... 绕射波是地下非均质异常体、小尺度构造的信息载体,具有较高分辨率。目前,绕射波分离及成像方法已逐渐成熟,而绕射波地震属性的研究及应用较少。基于此,系统梳理了绕射波地震属性在缝洞体、断裂、裂缝以及河道识别领域的应用,探讨了绕射波地震属性的发展方向和应用前景。 展开更多
关键词 非均质异常体 小尺度构造 高分辨率 绕射波 地震属性
在线阅读 下载PDF
基于PCA-Kmeans++的煤层气多属性融合聚类分析方法研究 被引量:6
2
作者 谢玮 毕臣臣 +3 位作者 刘学清 刘炜 葛黛薇 唐天择 《煤炭技术》 CAS 2019年第5期53-56,共4页
将基于PCA-Kmeans++的多属性融合聚类技术应用于沁水盆地南部3#煤层的储层预测中,对融合聚类属性进行分析,确定有利储层分布。首先提取常规的叠后地震属性、叠后波阻抗反演以及叠前AVO属性;然后利用PCA主成分分析方法,得到贡献率最大的... 将基于PCA-Kmeans++的多属性融合聚类技术应用于沁水盆地南部3#煤层的储层预测中,对融合聚类属性进行分析,确定有利储层分布。首先提取常规的叠后地震属性、叠后波阻抗反演以及叠前AVO属性;然后利用PCA主成分分析方法,得到贡献率最大的几个主成分分量;最后通过Kmeans++无监督机器学习算法对主成分分量进行融合和聚类。实际资料应用结果表明,PCA-Kmeans++方法可以融合各个属性的特征,能够更加清晰地反映地质异常体的分布特征,为沁水盆地南部煤层气及类似储层的预测提供了一种可行的方法。 展开更多
关键词 PCA Kmeans++ 煤层气 多属性融合 聚类分析
在线阅读 下载PDF
基于支持向量机的时深建模方法 被引量:1
3
作者 袁航 谢玮 +3 位作者 毕臣臣 岳占伟 刘伟 刘学清 《大庆石油地质与开发》 CAS CSCD 北大核心 2018年第3期153-157,共5页
为了解决海上勘探初期地震资料解释过程中的时深关系问题,提出基于粒子群和支持向量机的时深建模方法,利用粒子群算法来优化支持向量机的参数。首先由合成地震记录标定得到每口井的时深关系;然后利用支持向量机方法建立时间与深度之间... 为了解决海上勘探初期地震资料解释过程中的时深关系问题,提出基于粒子群和支持向量机的时深建模方法,利用粒子群算法来优化支持向量机的参数。首先由合成地震记录标定得到每口井的时深关系;然后利用支持向量机方法建立时间与深度之间的关系模型;最后以此模型对时间域等T0图进行转换,从而得到深度域的构造图。实际测井数据和三维地震资料试验结果表明,该方法建立的时深关系模型适用于整个研究区,且时间域转换深度与井分层深度、构造深度之间的误差较小,能够满足精细构造解释的精度要求。 展开更多
关键词 地震资料解释 粒子群算法 支持向量机 时深关系建模
在线阅读 下载PDF
基于叠前AVAZ反演的火山岩裂缝预测方法研究
4
作者 毕臣臣 杨勤林 +2 位作者 谢玮 梁志强 程云 《石化技术》 CAS 2023年第6期183-185,共3页
火山岩裂缝是储层预测的关键要素,目前火山岩裂缝预测主要基于叠后或分方位叠加数据,预测精度较低。将基于全方位OVT域道集的叠前AVAZ反演方法引入到火山岩储层的裂缝预测中,以松辽盆地某火山岩储层为研究区开展方法的实际应用。首先分... 火山岩裂缝是储层预测的关键要素,目前火山岩裂缝预测主要基于叠后或分方位叠加数据,预测精度较低。将基于全方位OVT域道集的叠前AVAZ反演方法引入到火山岩储层的裂缝预测中,以松辽盆地某火山岩储层为研究区开展方法的实际应用。首先分析了研究区OVT道集的方位各向异性;然后利用HTI介质的Ruger方程开展叠前AVAZ反演,得到了裂缝发育密度和裂缝方位数据体,实现了火山岩裂缝定量预测;最后通过研究区断裂分布和成像测井规律验证了该方法的准确性和可靠性,相比于其他方法提高了裂缝预测精度,为火山岩气藏的裂缝识别提供了一种高精度预测方法。 展开更多
关键词 松辽盆地 火山岩 各向异性 AVAZ反演 裂缝预测
在线阅读 下载PDF
基于机器学习的脆性指数直接反演方法
5
作者 毕臣臣 《石化技术》 CAS 2023年第5期142-144,共3页
常规脆性指数预测方法是基于叠前振幅随偏移距的变化(AVO)反演,间接计算过程中会产生累积误差。提出了一种脆性指数直接反演方法,该方法使用BI_Zoeppritz方程来表示地震数据与脆性指数之间的关系,通过机器学习LSSVM算法建立非线性反演模... 常规脆性指数预测方法是基于叠前振幅随偏移距的变化(AVO)反演,间接计算过程中会产生累积误差。提出了一种脆性指数直接反演方法,该方法使用BI_Zoeppritz方程来表示地震数据与脆性指数之间的关系,通过机器学习LSSVM算法建立非线性反演模型,直接反演出脆性指数。实际资料测试结果表明:该方法具有更高的精度和更强的抗噪声能力,利用该方法进行脆性指数的直接反演是可行的。 展开更多
关键词 脆性指数 BI_Zoeppritz方程 直接反演 非线性反演模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部