机器学习驱动的地震多属性分析表征扇三角洲沉积

识别扇三角洲沉积体对恢复古湖泊沉积体系和指导斜坡带岩性油气藏勘探有重要意义。以辽河东部凹陷铁匠炉地区沙一下亚段低渗透储层扇三角洲沉积为例,在岩心分析的基础上,通过单一地震属性分析、多属性聚类优选、机器学习等方法,构建了超限学习机算法驱动的地震多属性分析预测砂岩分布,进而识别扇三角洲沉积相展布的方法。研究表明:超限学习机算法在地震多属性预测砂岩分布方面具有良好的适用性;平均绝对振幅、能量半时和波谷数三种地震属性对砂岩分布表征有效;研究区沙一下亚段存在南物源,在古湖泊南岸发育一个小型扇三角洲,在古湖泊北岸发育两个大型扇三角洲,每个扇三角洲由两个朵叶体组成。研究为斜坡带扇三角洲砂体分布预测和沉积相表征提供了有效方法。     

火成岩复杂岩性潜山“相控”裂缝建模及质控方法 ——以惠州26-6油田潜山油气藏为例

珠江口盆地惠州26-6油田火成岩潜山岩性复杂,裂缝发育,储层非均质性强,常规单一地震裂缝预测技术无法精细刻画裂缝分布规律,因此提出一套基于地质主控因素定量表征约束下的“相控”裂缝建模技术及其质控方法。首先利用钻井及地震资料精细刻画主要岩性体空间分布,并建立火成岩岩性模型;其次,采用裂缝发育主控因素定量表征方法,预测不同成因裂缝井间分布规律,建立不同成因裂缝发育密度概率体;在此基础上,以井点裂缝密度作为硬数据,以裂缝发育密度概率体为约束条件,采用随机模拟方法建立裂缝密度模型;最后,以裂缝密度模型及井点统计裂缝参数为输入信息,在岩性模型控制下通过地质统计学方法建立离散裂缝网络模型,并运用petrel软件中的Oda算法将其等效为裂缝属性模型。采用动静态结合的方法对裂缝模型进行质控优选,得到符合地质、油藏认识的裂缝属性模型。该模型较好的表征了潜山不同部位、不同岩性储层裂缝的发育特征,可有效指导油气田开发方案的编制。     

裂缝性储层三维可视化预测

裂缝发育带的预测是四川盆地须家河组这类致密碎屑岩储层预测成败的关键。结合井震资料,通过多属性分析,优选振幅、平均能量、混沌反射、振幅加权瞬时频率4种属性进行裂缝性储层地震响应特征分析,总结出裂缝性储层发育段具有弱振幅、低平均能量、低AWIF、高混沌发射的特征。在此基础上,利用三维可视化技术进行分析,认为对振幅、波阻抗类属性数据体,重点突出弱值;对混沌反射、自动断层检测等数据体,突出高值,形成了一套利用三维可视化技术进行裂缝性储层空间预测的技术。以振幅、混沌反射和自动断层检测数据体为例,针对某工区进行了裂缝性储层空间分布规律的三维可视化刻画,所得成果能够清晰地展现储层空间分布特征。     

四川盆地威远地区页岩气储层多尺度裂缝预测

探讨四川盆地威远地区五峰组-龙马溪组页岩储层中多尺度裂缝地震预测。据岩心、测井裂缝资料分析目标层裂缝发育特征,优选裂缝预测敏感地震属性,利用分频裂缝检测技术对龙马溪组-五峰组页岩储层多尺度裂缝进行预测。结果表明,研究区裂缝较为发育,倾角、C_3相干属性对裂缝发育较为敏感;不同频带的分频数据裂缝识别能力差异明显,低频带分频数据只能识别一些较大的裂缝带,高频带分频数据可检测到较小的裂缝带;小尺度裂缝预测主要受到频率、信噪比、面元大小等因素的限制。增大C_3相干属性分析的道窗可使低频段分频数据获得更好的裂缝检测效果,但要利用高频段分频数据检测尺度更小的裂缝带需要横向分辨率高的地震资料。     

元坝地区雷口坡组储层综合研究

碳酸盐岩储层普遍埋深较大,非均质性强、缝洞分布规律复杂,地震资料成像差,信噪比和分辨率低,储层预测难度大。古地形恢复等是目前常见的岩溶储层预测方法,但是,对岩溶型储层发育区的岩性、物性的有效表征还有差距,对岩溶储层敏感的属性信息的应用还有进一步优选的余地。研究以元坝地区为例,结合亮点技术、吸收衰减属性的特点,探讨了岩溶—裂缝型储层地震多属性综合预测方法。实例表明:基于亮点技术、吸收衰减属性的综合预测方法可较好刻画雷口坡组岩溶—裂缝型储层的展布特征,亮点技术和吸收衰减属性是对岩溶储层敏感的地震属性,研究提出综合利用这两种技术对雷口坡组顶部进行烃类检测,对于分析研究岩溶—裂缝型储层发育部位具有实际意义。     

基于核空间的模糊聚类方法在储层预测中的应用

基于核空间的模糊C均值聚类方法是一种模式识别的新方法。在地震属性聚类处理时常常会遇到非超球体数据以及非线性类间边界等问题,而传统的模糊C均值聚类方法无法行之有效地解决。将核空间方法引入传统的模糊C均值聚类方法中,并应用于储层预测。针对地震属性聚类问题中不同属性对于储层的敏感性不同,将特征权重和模糊指数等参数加以优化,提高新的模糊聚类方法的储层预测效果。对实际资料的计算与分析结果表明,新的基于核空间的模糊C均值聚类方法可以更准确地刻画碳酸盐岩含气储层边界。     

应用地震多属性反演与随机模拟技术预测砂体展布——以川西丰谷构造须四段为例

针对丰谷构造须四段储层具有埋深大、物性差、砂泥岩速度差异小等特点,综合采用基于神经网络的地震多属性反演与基于地质统计学的随机模拟进行砂体展布预测.该方法在目标曲线预分析和井震标定的基础上,首先根据地震属性与目标曲线的相关性,对地震属性进行排序与优选;然后通过概率神经网络训练,寻找目标曲线与多种地震属性的非线性关系,得到目标曲线的反演数据体;最后以反演体为约束条件,通过随机模拟的方法建立砂岩百分含量模型,完成砂体的井间预测.应用结果表明.该方法可以有效地减少砂体预测的多解性、提高砂体预测的精度,较为客观地展现各期砂体的空间分布以及相互叠置关系,具有一定应用价值.     

方位各向异性裂缝检测技术在牛东潜山的应用

牛东潜山带碳酸盐岩储层具有非均质性强、横向变化快的特征,该区碳酸盐岩地层以缝洞储层为主。受裂缝的影响,振幅、频率、速度等地震属性的衰减现象明显,常规地震属性分析方法对裂缝的预测精度较低。准确识别裂缝储层是该区油气勘探的关键,为此在该区开展方位各向异性裂缝预测工作。成像测井结果表明,该区主要发育高陡裂缝,符合HTI介质的特征。基于Ruger的HTI介质纵波反射系数公式进行正演模拟,确定偏移距范围并划分4个方位角范围,得到方位角道集数据体。利用该数据体提取纵波的方位地震属性,求取裂缝方位和裂缝密度,并结合裂缝密度圈定了裂缝发育带,确定研究区裂缝的主方位为北东向。利用实际钻井的成像测井资料对预测结果进行验证,得到较好的匹配,证实AVAz技术对碳酸盐岩储层高陡裂缝的储层预测具有较好的实际应用价值。     

基于模糊聚类和支持向量回归的成绩预测

现有的成绩预测模型往往过度使用不同类型的属性,导致过于复杂的分数预测方法,或是需要人工参与.为提高学生成绩预测的准确率和可解释性,提出了一种融合模糊聚类和支持向量回归的成绩预测方法.首先引入模糊逻辑来计算隶属度矩阵,根据学生的历史成绩进行聚类,随后对每个聚类簇利用支持向量回归理论对成绩轨迹进行拟合建模.此外,结合学生学习行为等相关属性,对最终的预测结果做调整.在多个基准数据集上进行了实验测试,验证了该方法的有效性.     

利用改进的自组织网络进行地震属性分析

自组织神经网络结合地震属性技术往往被用于进行地震相的自动识别,但在实际应用中存在着一些问题难以解决：如神经网络的分类识别能力问题、怎样选取地震属性、怎样解决自组织聚类的有序映射等。对Kohonen自组织网络进行了部分改进,并利用灵敏属性分析技术来解决地震属性的选择问题,最后结合自组织聚类参数利用RBF网络对储层参数进行预测,较为有效地提高了地震多属性储层预测精度。     

地震相裂缝分级技术在储层预测中的应用

摘要：如何预测碳酸盐岩裂缝储层一直是裂缝型油气藏勘探开发关注的重点。针对裂缝储层,目前常用地震反射倾角、相干和最大曲率属性进行裂缝识别。地震反射倾角、相干属性通常用于检测大的断裂,最大曲率属性用于描述微断裂体系。单一地震属性分析具有多解性,裂缝地震相分析技术将三者融合,通过聚类分析计算, 提取出与断裂、裂缝相关的特征,对断裂–裂缝进行识别,并在地质尺度上进行分级,预测裂缝分布规律和发育程度。钻井、成像及动态资料验证分析表明,该方法能识别出中东某油田目的层段 80% 的裂缝带,有效地解决了该油田裂缝型储层预测难题。     

蚂蚁追踪技术在辛34断块解释中的应用

东辛油田辛34断块断裂复杂,多数为低级序断裂,识别难度较大,利用蚂蚁追踪技术对辛34断块内断层进行自动追踪解释.地震资料构造平滑处理之后,利用方差体属性检测地震数据在空间上的不连续性,在方差体属性基础上生成蚂蚁属性体,将自动解释成果与人工解释成果进行对比.结果表明:蚂蚁属性体虽含有断裂假象,但其平面和剖面断层的空间展布痕迹较清晰;三维断片编辑后可直接转化为解释数据并用于构造模型建立;自动解释成果与人工解释成果相差不大,对于某些低级序断层,蚂蚁自动解释识别能力更强,蚂蚁属性体断裂痕迹可以有效地指导断裂平面及剖面解释,使得解释效果更加精确;验证了该方法的实用性和有效性,可以辅助人工解释.     

基于广义线性模型的混合属性数据聚类方法

针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法.首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后,基于优化K-prototypes聚类方法处理混合属性数据时,考虑属性的时间序列矩阵;最后,在考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离,当聚类结果趋于平稳时终止运算,输出聚类结果.为验证基于广义线性模型的混合属性数据聚类方法的有效性展开实验分析.结果显示,该方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值为0.88～0.94,适应度优,可准确体现样本间差异,是一种准确度高的混合属性数据聚类方法.     

基于岩石物理分析的致密砂岩流体检测方法研究

在致密砂岩气藏的勘探中,利用地震属性检测流体对致密砂岩气藏的高效开发显得尤其重要.由于地震是岩性、孔隙度、流体等地质因素的综合响应,因此优选敏感流体属性至关重要.从苏里格气田西区某区块为例,从基础岩石物理数据出发,优选出了适合致密砂岩岩石物理模拟的岩石物理模型.系统研究了储层弹性参数与岩石岩性、孔隙度、含气饱和度变化的关系;并通过多变量正演模型筛选出对流体敏感的属性.研究表明:采用Brie模型对Xu-White模型进行改进后更适合致密砂岩储层的岩石物理模拟,利用地震数据检测含气饱和度是可行的,应用P+G属性能够较好的预测致密砂岩的含气饱和度.所采用的思路与方法,对其他类型的气藏检测方法优选具有较好的借鉴意义.     

四川盆地新场气田致密砂岩裂缝预测技术研究

四川盆地新场气田三叠系须家河组砂岩气藏是一个致密砂岩裂缝型气藏。储集层的基质孔隙度很低,平均只有3.8％,基质渗透率低于0.3mD,以裂缝贡献渗透率为主。通过采用新一代三维空间全局寻优离散扫描技术,精确扫描地震轴的产状,分析井上裂缝密度与精细扫描后各种地震几何属性关系,指出利用像素成像属性预测大尺度裂缝、利用曲率属性预测小尺度裂缝是有效的。在裂缝分析基础上找到研究区裂缝发育特点,利用岩性和曲率属性做约束,由井出发预测地震级别的大尺度裂缝和小尺度网状缝的密度。结合构造部位和生产井生产状况,指出在有利储集层圈定前提下,构造高部位的裂缝发育区是有利的勘探开发区。     

一种多属性的时空数据聚类算法分析研究

时空聚类(spatial-temporal density based spatial clustering of applications with noise,ST-DBSCAN)算法只能处理固定属性的时空数据,且其人为设定阈值的方法具有较大随机性会导致聚类结果不理想.基于ST-DBSCAN算法存在的不足,提出了一种改进的多属性时空聚类算法.改进后的新算法采用绘制时空对象距离频数柱状图来设定自适应阈值,通过引入Gower相似系数、Dice相似系数与欧几里德距离来构建多属性相似度模型,计算多个事务对象之间属性特征的相似度大小,从而将ST-DBSCAN时空聚类算法扩展到更多属性的时空数据聚类分析中.以北京市计算机行业职位招聘信息数据进行实验仿真,实验结果表明,新提出的阈值设定方法可以有效识别部分低密度簇,提高聚类的准确性和有效性;改进后的算法具有较好的普适性与包容性,能对多属性的时空数据进行很好的聚类分析.     

基于属性加权的不完全数模糊 c 均值聚类算法

针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用ReliefF算法评价各维属性的重要程度,通过加权欧式距离将属性权重结合入聚类,并能实现在聚类迭代过程中的缺失属性、隶属度及聚类中心的一体化求解.实验结果表明,该算法强调了重要属性在不完全数模糊聚类中的作用,能够得到更为准确的聚类结果.     

基于非线性能量分析的鲕滩储层预测方法

Teager Kaiser非线性能量（T K能量）可以归为振幅类地震属性,但有别于常规的振幅类地震属性,它与振幅的平方、频率的平方成正比。鲕滩储层中流体为油气时地震记录往往呈现“高频衰减” 现象,由于T K能量与频率平方成正比,因此含油气鲕滩储层内部T K能量弱。鲕滩储层与围岩的物性差别使储层顶和底边界形成“亮点”反射,相应的T K能量高,T K属性剖面背景越发“明亮”,而内部相对较“暗”,利用这些特征可以有效地进行鲕滩储层预测,实际资料的计算结果表明,基于非线性能量分析的鲕滩储层预测方法得到的鲕滩储层分布与实钻完全一致。     

基于多特征属性相似的糖尿病早期预测方法

考虑样本数据集的差异性和相关性对疾病预测结果有着直接影响,提出一种基于多特征属性患者相似的糖尿病早期预测方法,根据患者之间特征具有相似性这一特点,对患者特征进行混合属性相似预分组,再把分组结果导入随机森林分类器进行疾病预测。首先以临床概念作为患者的特征项,通过聚类定量化分析不同特征属性类型间的距离来度量患者之间的混合相似度,根据患者混合相似度将患者集预分组为多个患者相似组。最后以随机森林分类器对相似组进行细分类,得到最终的疾病预测结果,该结果与基于全样本数据的随机森林分类结果相比,分类准确率提高了8.3%;与基于单一属性相似组的随机森林分类结果相比,分类准确率提高了5.1%。结果表明该方法具有较高的预测准确率,可为糖尿病诊断预测提供支持。