-
题名基于经验模态分解的神经网络地震相分析研究
- 1
-
-
作者
王彪
王志强
温睿
李师吉
陈军
杨巍
-
机构
胜利油田河口采油厂
油气藏地质及开发工程国家重点实验室
西南石油大学地球学与技术学院
-
出处
《河北石油职业技术大学学报》
2025年第2期10-15,30,共7页
-
文摘
地震相是沉积相在地震剖面上各种表现的总和,代表了沉积物的层理和沉积特征,地震相分析是储层预测和储层特征定量描述的基础工作之一,通过经验模态分解方法,将地震数据分解为若干个窄频的模态分量,然后利用自组织神经网络对模态分量以及模态分量的重构信号进行聚类分析,这样能够很好的避免地震资料里的无信号干扰聚类过程,而且能够研究出不同窄频地震数据,所反映出的地震相特征。应用结果表明,1阶模态分量主要为原始地震数据的高频成分,能够刻画出地震相带的内部细节特征,2阶模态分量主要为原始地震数据的中频成分,能够刻画出地震相带外部分布特征。对1阶和2阶分量的重构数据体进行分析,所得到的地震相图相较于传统波形聚类,能够更加清晰地反映出有利相带在平面上的分布特征,能够为有利目标的落实提供了证据,也为油气勘探提供了一个新思路、新技术。
-
关键词
经验模态分解
自组织神经网络
地震相
-
Keywords
Empirical Mode Decomposition
Self-Organizing Neural Network
seismic facies
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
