神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大，这种差异推动神经网络的研究，本文讨论误差反向传播网络（ＢＰ）。给出了ＢＰ网络在储层横向预测测方面的应用。     

油藏描述中多层次地震预测技术的应用

根据ＣＢ油田的实际情况，提出了以地震资料应用为基础，结合测井，钻井等资料对油藏进行多层次综合研究的一套方法。主要包括：（１）利用综合参数法由地震信息预测砂岩发育区，指出勘探目标；（２）利用地震资料神经网络储层预测方法在砂岩发育区内确定油气富集带和部署探井（３）在油气富集带内，利用地震和测井资料完成油井单个砂体的边界确定和厚度定量计算。利用这３个层次的地震预测技术逐次解决了宏观的砂体分布、油气富集区     

三维时频分析方法在地震层序分析中的应用

在传统时频分析方法的基础上,根据小波变换理论提出了利用小波变换对地震剖面进行三维时频分析的方法。首先将二维地震剖面变换成ｘ－ｔ－ｆ三维数据体,根据振动能量在一定时间内改变滤波档可以得到具有某种稳定性的剖面,利用这些剖面可以识别旋回之间的界限。再以此为基础,利用ｘ－ｔ切片进行层序界面的追踪和构造断层的拾取。利用小波三维时频分析方法划分的沉积旋回和物性变化规律可以进行层序界面追踪,并进上步确定储层范围     

反演法在提高地震资料信噪比中的应用

t x预测滤波法是噪音衰减的通用且有效的方法 ,但是在噪音背景中存在平行同相轴时将产生假同相轴及出现子波畸变和振幅衰减等现象 ,这是因为噪音的存在影响了滤波器的计算。利用反演法对理论模型和实际数据进行了滤波处理 ,该方法可以有效地消除一般t x预测滤波处理中存在的缺陷。实际应用表明 ,这种方法更能满足对地震资料高分辨率、高信噪比和高保真的要求 ,处理效果更接近实际。     

油藏描述中多层次地震预测技术的应用

根据ＣＢ油田的实际情况，提出了以地震资料应用为基础，结合测井、地质、钻井等资料对油藏进行多层次综合研究的一套方法。主要包括：①利用综合参数法由地震信息预测砂岩发育区，指出勘探目标；②利用地震资料神经网络储层预测方法在砂岩发育区内确定油气富集带和部署探井；③在油气富集带内，利用地震和测井资料完成油井单个砂体的边界确定和厚度定量计算。利用这３ 个层次的地震预测技术逐次解决了宏观的砂体分布、油气富集区带和单砂体定量解释。利用其预测结果所布置的２ 口探井都见到了高产工业油流，取得了良好的效果     

神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但是在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大．这种差异推动了神经网络的研究．本文讨论了误差反向传播网络（ＢＰ）．给出了ＢＰ网络在储层横向预测测方面的应用．     

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。     

断陷盆地深层膏盐层系砂砾岩体细分层方法

利用地质、钻井、测井、三维地震等资料,以民丰地区沙四下亚段为研究对象,提出了膏盐层系砂砾岩体细分层的方法:依据膏盐层期次划分砂砾岩体期次;采用电阻率和声波测井曲线即△lgR方法对膏盐层的内部旋回进行划分,进一步细分砂砾岩体亚期;运用加入遗传算法的BP神经网络方法判别砂砾岩体岩性,结合地震奇异性分析,划分扇体内幕.研究表明,加入遗传算法的BP神经网络方法可以对单井的砂砾岩体内幕进行划分,时频谱斜率的奇异性剖面中砂砾岩体包络线内的每个页状体都对应着一组扇体,可以利用其实现砂砾岩体横向的细致划分.民丰地区沙四下亚段的砂砾岩体分为3期、6个亚期、14个砂组,并可进一步细分小层,为勘探开发研究提供分层依据.     

三维时频分析方法在地震层序分析中的应用

在传统时频分析方法的基础上 ,根据小波变换理论提出了利用小波变换对地震剖面进行三维时频分析的方法。首先将二维地震剖面变换成x t f三维数据体 ,根据振动能量在一定时间内沿频率方向作定向变化的特性来确定沉积旋回的类型。利用f t切片划分沉积旋回 ,在一定频率范围内改变滤波档可以得到具有某种稳定性的剖面 ,利用这些剖面可以识别旋回之间的界限。再以此为基础 ,利用x t切片进行层序界面的追踪和构造断层的拾取。利用小波三维时频分析方法划分的沉积旋回和物性变化规律可以进行层序界面追踪 ,并进一步确定储层范围。这种方法为三维地震资料进行多维时频分析奠定基础。     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田的特点提出了利用神经网络进行储层预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。