结合核主成分分析和GA-BP神经网络的储层参数预测研究

论文摘要

地震属性分析技术在储层横向预测中发挥着越来越重要的作用。利用地震属性分析技术进行储层信息预测的理论基础是:储层中岩石性质、流体性质及其空间变化可引起地震反射振幅、频率和相位等地震属性的变化。本文以准噶尔盆地内部三维工区资料为例,进行地震属性分析技术研究:（1）借助各种地震属性提取方法,从地震数据中提取多种地震属性;（2）利用核主成分分析方法（KPCA）进行地震属性的优选;（3）根据工区内测井资料进行储层参数的转换,并利用遗传算法优化的BP神经网络（GA-BP）进行孔隙度预测。结果表明:结合KPCA和GA-BP神经网络的方法是一项可以进行孔隙度预测的有效技术。

论文目录

• 引言
• 1 技术方法
•   1.1 数据预处理
•   1.2 核主成分分析（KPCA）
•   1.3 BP神经网络与遗传算法
•     1.3.1 BP神经网络
•     1.3.2 遗传算法（GA）
•     1.3.3 遗传算法优化的BP神经网络（GA-BP）
• 2 应用实例
•   2.1 基于KPCA的地震属性优化
•   2.2 孔隙度预测
• 3 结论

文章来源

类型: 国内会议

作者: 代仕明,李生杰

关键词: 地震属性分析技术,核主成分分析,遗传算法,神经网络,储层参数预测

来源: 2019年油气地球物理学术年会 2019-11-27

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 地质学,地质学,地球物理学,石油天然气工业

单位: 中国石油大学(北京)地球物理学院

分类号: P618.13;P631.4

DOI: 10.26914/c.cnkihy.2019.022951

页码: 328-331

总页数: 4

文件大小: 661k

下载量: 121