基于GA‐BP理论的储层视裂缝密度地震非线性反演方法

详细信息   

• 责任者：李琼^c成都理工大学“地球探测与信息技术”教育部重点实验室 ; 李勇 ; 李正文 ; 吴朝容
• 刊名：地球物理学进展
• 出版年：2006
• 卷期：21^b2总78
• 关键词：地震勘探 ; 成像测井 ; 储层预测20^a算法 ; 遗传算法 ; 神经网络系统 ; 裂隙 ; 反演问题 ; 非线性30^a视裂缝密度
• 页码：465～471
• 索书号：P260.6/208-1
• 图表：^c参21插图
• 分类号：2100,0831
• 文摘期号：2007/03

摘要

///基于GA‐BP理论,将自适应遗传算法与人工神经网络技术(BP算法)有机地相结合,形成了一种储层裂缝自适应遗传‐神经网络反演方法。这种新的方法是由编码、适应度函数、遗传操作及混合智能学习等组成,即在成像测井裂缝密度数据约束下,通过对目标问题进行编码(称染色体),然后对染色体进行选择、交叉和变异等遗传操作,使染色体不断进化,从而快速获得全局最优解。在反演执行过程中,利用地震数据和成像测井裂缝密度数据之间的非线性映射关系建立训练样本,将GA算法与BP算法有机地结合,优化三层前向网络参数;或将GA与ANFIS相结合,优化ANFIS网络参数。并采用GA算法与TS算法(Tabu Search)相结合的自适应混合学习算法,该学习算法自始至终将GA和BP两种算法按一定的概率比例进行,其概率自适应变化,以达到混合算法的均衡。这种混合算法提高了网络的收敛速度和精度。分别利用两个研究地区的6井和1井成像测井裂缝密度数据与地震数据之间的非线性映射关系建立训练样本,对过这两口井的测线的地震数据进行反演,获得了视裂缝密度剖面,视裂缝密度剖面上裂缝分布特征符合沉积相分布特征和岩石力学性质的变化特征。这种视裂缝密度剖面含有储层裂缝的定量信息,其误差可为油气勘探开发实际要求所允许。因此,这种新的方法优于只能作裂缝定性分析的常规裂缝地震预测方法,具有广阔的应用前景。