叠前多属性概率神经网络反演储层孔隙度

详细信息   

• 责任者：王童奎^c冀东油田勘探开发研究院^d1978^e博士^f高级工程师 ; 赵宝银 ; 戴晓峰^c中国石油勘探开发研究院物探技术所 ; 甘利灯 ; 宋雪娟 ; 程凤亭^c华北油田采油二厂
• 刊名：物探化探计算技术
• 出版年：2013
• 卷期：35^b2总148
• 关键词：储层预测 ; 地震属性20^a反演问题 ; 神经网络系统 ; 地震勘探 ; 孔隙度30^a叠前属性 ; 叠前反演
• 页码：162～167
• 索书号：P630.6/363-14
• 图表：^c表1参13插图
• 分类号：2100,0831
• 文摘期号：2013/09

摘要

近十年来非线性反演方法(如人工神经网络、遗传算法)在地球物理解释中，得到越来越多的应用，但人工神经网络反演目前通常只采用叠后波阻抗反演结果和叠后地震属性(如振幅、频率和相位)进行预测，而忽略了地震叠前道集中包含的地层信息。该文通过叠前地震反演获得纵波、横波阻抗和密度信息，结合叠前地震属性，综合应用PNN神经网络方法来反演地层孔隙度参数。其过程包括：（1）提取叠前地震属性和叠前反演纵波、横波阻抗和密度参数；（2）分析孔隙度和各类叠前属性和叠前弹性参数的相关程度，确定出与孔隙度关系密切的主要参数；（3）综合叠前反演弹性参数和叠前属性等参数，应用神经网络分析方法反演得出孔隙度体。该方法克服了由于砂泥岩波阻抗重叠造成的叠后波阻抗反演储层预测存在多解性的问题，反演孔隙度体提高了储层识别精度，储层预测和钻井结果一致，符合实际地质规律，证明本方法正确有效。