用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起地震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，使网络能有效地避开局部极小，这样可以提高收敛速度和拟合精度。     

用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体，同时在反演过程中既要考虑模型和测井的约束，又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射，并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷，提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率，使网络的训练速度大幅度提高。利用该方法进行地震反演，抛开了褶积模型的限制，也无须已知地震子波。外推过程是在三维空间内进行的，所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释，可以直接描述储层的空间展布。     

波阻抗反演的快速模拟退火算法

波阻抗反演是储层参数及砂体预测不可缺少的内容,在地震勘探中占有重要位置．使用快速模拟退火算法(FSA)进行波阻抗反演,能避免目标函数值陷入局部极值区并可获得全局最优解、因此,用快速模拟退火算法进行波阻抗反演,并通过理论模型试算和实际资料的反演验证了该算法的应用效果．结果表明,FSA反演结果不依赖于初值,FSA收敛速度比常规模拟退火算法(SA)收敛速度更快．井点处的波阻抗反演结果与测井数据基本吻合．     

用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体 ,同时在反演过程中既要考虑模型和测井的约束 ,又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射 ,并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷 ,提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率 ,使网络的训练速度大幅度提高。利用该方法进行地震反演 ,抛开了褶积模型的限制 ,也无须已知地震子波。外推过程是在三维空间内进行的 ,所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释 ,可以直接描述储层的空间展布。     

基于地震属性技术的井壁稳定随钻预测新方法

基于地震属性和测井数据之间存在非线性关系，提出一种综合利用地震和测井信息随钻预测井壁稳定性的新方法，即在钻前联合运用遗传算法和BP神经网络算法，从所提取的井旁原始地震属性中优选出对测井特征参数最敏感的地震属性组合，并利用已钻井资料建立起反映所研究区块不同地层中地震属性与测井数据之间关系的一系列神经网络映射模型，实钻时通过分析岩屑录井资料选择适当的映射模型，随钻预测出待钻井段的声波和密度测井数据，进一步预测出钻头下方地层的井壁稳定性。该预测方法具有良好的精确度和时效性，在塔西南地区的实际应用中取得了良好效果。     

模型反演技术在煤层厚度预测中的应用

在煤田地震勘探中,煤层厚度的变化情况是矿方开采前急需的重要参数。地震反演就是利用测井、钻井资料和地质规律为约束条件,构建一个初始波阻抗模型,将初始波阻抗模型与实际地震剖面进行对比,根据它与实际地震剖面的差异反复修改模型参数,最后得到一个从给定的观测数据中重构出的合适的地质模型,从而较好地预测和描述地下储层的纵横向展布和物性变化。对宁夏某矿区三维地震资料利用钻孔测井资料为约束进行反演处理,应用STRATA地震反演系统,获得波阻抗反演数据体。反演技术应用于煤层厚度解释具有直观、快速的特点。     

基于贝叶斯理论的振幅随偏移距变化三参数同步反演

受多种因素的影响，常规叠后地震道波阻抗反演不能得到可靠的波阻抗及其他岩性信息，而叠前波阻抗反演却可以得到比常规叠后波阻抗反演更丰富、更有效的岩性信息。为此建立了振幅随偏移距变化（AVO）波阻抗反演公式的一阶差分模型及褶积模型，推导了基于贝叶斯理论的AVO波阻抗反演公式，给出了采用Huber分布作为模型参数的先验分布及测井数据的参数协方差矩阵作为约束条件的实现方法，并利用共轭梯度法计算了纵、横波阻抗及密度。结果表明，利用该方法可提高叠前反演问题的稳定性和反演结果的可靠性，反演得到的纵、横波阻抗及密度可用来进一步计算流体及孔隙度等信息，为岩性及含油气性解释提供可靠依据。     

基于神经网络的电参数反演载荷算法

提出一种基于神经网络的抽油机载荷反演算法,从电机输入电功率和载荷输出非线性逼近的角度建立高维输入输出系统模型,通过对网络误差的负梯度反馈,自动调整权值参数,求解电参数到载荷的映射网络. 通过实测数据软件仿真,算法能实现电参数到载荷之间的非线性拟合,误差小于10-3,相关系数达到0.95以上.      

基于BP-PSO联合算法的沥青混合料空隙率反演计算

为提高沥青混合料空隙率反演计算效率,提出一种基于BP神经网络和PSO联合算法的沥青混合料空隙率反演计算方法.通过建立探地雷达电磁波在沥青路面结构层中的传播仿真模型,利用BP神经网络对仿真样本进行训练,得到能够反映输入和输出关系的回归曲面.利用PSO算法对回归曲面进行寻优,得到最优解.将该联合算法应用于沥青混合料空隙率反演计算中,反演计算结果表明:该联合算法能够在满足计算精度的条件下大幅提高计算效率,证明应用该联合算法反演计算沥青混合料空隙率的可行性和有效性.     

基于机器学习算法预测核磁共振T2谱

近年来,深度学习算法被广泛应用于生成各种类型的数据。本文通过分析测井数据与核磁共振T2谱之间的映射关系,利用随机森林与LSTM网络模型实现了对核磁共振T2谱的重构。核磁共振测井每个深度获得的T2谱是在不同的时间序列中通过不同的布点数来显示形态上的变化的,随机森林算法能够处理高维度的核磁共振T2谱数据且不需要做特征选择,而LSTM可以很好地控制不同深度神经元对T2谱各分布点的影响,将这两种网络模型进行参数优化后对同一口井的预测结果进行对比分析。这里选取了中国海上A油田的测井数据作为例子进行方法测试。首先,利用灰色关联度算法分析T2几何均值与测井曲线的相关性。选取相关性高于设定值的测井曲线,将测井曲线标准化缩放在0~1后作为随机森林与LSTM模型的输入,预测同一地层T2谱形态分布规律并比较算法的优劣。在比较软件处理得到的核磁共振T2谱和预测结果后分析它们之间产生差异的原因。结果显示通过LSTM神经网络模型预测的数据与地层真实数据的符合度比随机森林算法更高,符合度可达90%以上。     

基于地震属性技术的井壁稳定随钻预测新方法

基于地震属性和测井数据之间存在非线性关系,提出一种综合利用地震和测井信息随钻预测井壁稳定性的新方法,即在钻前联合运用遗传算法和BP神经网络算法,从所提取的井旁原始地震属性中优选出对测井特征参数最敏感的地震属性组合,并利用已钻井资料建立起反映所研究区块不同地层中地震属性与测井数据之间关系的一系列神经网络映射模型,实钻时通过分析岩屑录井资料选择适当的映射模型,随钻预测出待钻井段的声波和密度测井数据,进一步预测出钻头下方地层的井壁稳定性.该预测方法具有良好的精确度和时效性,在塔西南地区的实际应用中取得了良好效果.     

基于贝叶斯理论的振幅随偏移距变化三参数同步反演

受多种因素的影响,常规叠后地震道波阻抗反演不能得到可靠的波阻抗及其他岩性信息,而叠前波阻抗反演却可以得到比常规叠后波阻抗反演更丰富、更有效的岩性信息.为此建立了振幅随偏移距变化(AVO)波阻抗反演公式的一阶差分模型及褶积模型,推导了基于贝叶斯理论的AVO波阻抗反演公式,给出了采用Huber分布作为模型参数的先验分布及测井数据的参数协方差矩阵作为约束条件的实现方法,并利用共轭梯度法计算了纵、横波阻抗及密度.结果表明,利用该方法可提高叠前反演问题的稳定性和反演结果的可靠性,反演得到的纵、横波阻抗及密度可用来进一步计算流体及孔隙度等信息,为岩性及含油气性解释提供可靠依据.     

基于波阻抗反演的煤层预测方法

本文利用济宁二号煤矿的一块三维地震工区内的资料为依托,经过地层对比、层位标定与解释、测井数据标准化、地震地质建模、稀疏脉冲波阻抗反演等处理进行了宽带约束波阻抗反演,从而达到了综合应用地质、测井、地震资料对煤层进行精细描述的目的。     

基于支持向量机的叠前地震反演方法

为了克服常规叠后地震反演方法中存在的缺陷,在保证反演效果的前提下提出了一种基于支持向量机的叠前地震反演方法.利用该方法可以得到比常规叠后波阻抗反演更丰富的储层物性参数,不但适合储集层物性反演,还可进行含油气性反演;可以直接从地震数据中提取地层的弹性参数,不需要对Zoeppritz方程进行简化以及对弹性参数做任何假设,也不需要初始地质模型和测井曲线的约束.反演结果表明,该方法具有反演速度快、稳定性好及抗噪能力强的特点,且易于进一步推广应用.     

基于支持向量机的叠前地震反演方法

为了克服常规叠后地震反演方法中存在的缺陷,在保证反演效果的前提下提出了一种基于支持向量机的叠前地震反演方法.利用该方法可以得到比常规叠后波阻抗反演更丰富的储层物性参数,不但适合储集层物性反演,还可进行含油气性反演;可以直接从地震数据中提取地层的弹性参数,不需要对Zoeppritz方程进行简化以及对弹性参数做任何假设,也不需要初始地质模型和测井曲线的约束.反演结果表明,该方法具有反演速度快、稳定性好及抗噪能力强的特点,且易于进一步推广应用.     

油页岩的地震识别与评价技术

松辽盆地上白垩统青山口组和嫩江组沉积时期发育未成熟油页岩,为提高其勘探效率并降低其勘探成本,利用地震正演-反演方法识别与评价油页岩。通过油页岩的微观孔隙、岩石组分及其地球物理响应分析,建立油页岩的等效岩石物理模型和地震波阻抗响应方程;采用合成记录法正演模拟地震资料的油页岩分辨能力,建立油页岩的楔形收敛地质模型;利用测井约束地震反演与神经网络算法运算,获取波阻抗和有机质反演数据体。研究结果表明:有机质和孔隙发育程度影响油页岩的地震响应;地震资料可分辨最小油页岩厚度为6.4 m;波阻抗反演结果只能定性评价油页岩发育的空间展布特征,而有机质反演结果不仅能预测油页岩发育的空间展布特征,还可以评价油页岩发育的品质。     

生物软组织黏弹性参数反演方法研究

针对黏弹性参数反演中的模型选择问题,提出应用黏弹性材料的应力松弛曲线作为待反演的参数,不涉及任何黏弹性本构模型,采用有限元仿真与人工神经网络相结合的方法:通过有限元仿真得到不同应力松弛曲线下的剪切波传播速度,然后将仿真得到的数据作为训练样本输入到人工神经网络中进行训练,建立起生物组织黏弹性参数和剪切波传播速度的神经网络输出模型,有效解决了模型选择问题。最后通过粒子群优化算法反演得到组织的黏弹性参数。     

地质统计学反演方法及其在薄层砂体预测中的应用

地质统计学反演首先应用确定性反演方法得到波阻抗体,以了解储层的大致分布,并用于求取水平变差函数;然后从井点出发,井间遵从原始地震数据,通过随机模拟产生井间波阻抗,再将波阻抗转换成反射系数并与确定性反演方法求得的子波进行褶积产生合成地震道,通过反复迭代直至合成地震道与原始地震道达到一定程度的匹配.该方法有效地综合了地质、测井和三维地震数据,反演结果是多个等概率的波阻抗数据体实现,符合输入数据的地质统计学特征并受地质模型的约束,具有测井数据的垂向分辨率高和地震数据的横向分辨率高的优势,可用于不确定性评价.     

基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解

对于多输入多输出系统，针对如何根据系统模型和期望输出反求系统输入的问题，提出了一种基于过程神经网络和量子遗传算法相结合的方法，并给出了具体的实现方法。首先根据实际系统的领域知识和学习样本集，建立满足系统实际输入输出映射关系的正向过程神经网络；然后按照系统在过程区间的某一期望输出，用过程神经网络的输出误差构造适应度函数，用量子遗传算法逆向确定系统的过程输入信号，使该输入信号满足已建立的正向过程映射关系，从而完成系统的逆向过程控制。油藏采收率参量的逆向求解结果证明了该方法的有效性。     

多参数约束反演系统的原理和方法

文章论述了包括测井反演、宽带约束反演和岩性约束反演在内的多参数约束反演的理论。其中测井反演不仅提供用于地质解释的参数，还把它作为宽带约束反演的初始模型及约束条件；宽带约束反演利用阻尼广义道方法和最优化计算方法，提供宽频带的高分辨反射系数剖面，最终获得宽带波阻抗模型。利用以上资料，进行岩性约束反演，可得到与井对比的孔隙度等岩性参数剖面，最终获得过井储集层地质剖面。