基于神经网络井震多信息融合的碳酸盐岩缝洞体预测方法

论文摘要

碳酸盐岩是四川盆地的主力产层,缝洞型碳酸盐岩是重要的储层类型。四川盆地的碳酸盐岩缝洞存在缝洞尺度小、非均质性强的特征,导致运用常规地震属性开展缝洞预测存在多解性。本文提出了一种基于神经网络井震多信息融合的碳酸盐岩缝洞体预测新方法。该方法主要是利用VRH平均矿物模型、KT模型和Hudson各向异性模型来求取碳酸盐岩的缝洞各向异性参数信息,然后利用Sobel边缘梯度属性、最大曲率属性和AFE断层增强属性求取三维地震数据体的不连续性信息,最后利用神经网络的方法,将井上的缝洞信息与地震属性信息结合起来,预测了缝洞体的空间分布特征。

论文目录

• 引言
• 1 技术方法
•   1.1 岩石物理模型
•     1.1.1 VRH平均模型
•     1.1.2 KT模型
•     1.1.3 Hudson模型
•   1.2 不连续性地震属性
•     1.2.1 Sobel边缘梯度属性
•     1.2.2 最大曲率体属性
•     1.2.3 AFE断层增强属性
•   1.3 径向基神经网络
• 2 应用实例
• 3 结论

文章来源

类型: 国内会议

作者: 彭达,郗诚,龙隆,吴仕虎

关键词: 碳酸盐岩储层,缝洞体,神经网络,地震多属性,各向异性岩石物理模型

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,矿业工程

单位: 中国石油西南油气田公司勘探开发研究院

分类号: P618.13;P631

DOI: 10.26914/c.cnkihy.2019.022936

页码: 257-261

总页数: 5

文件大小: 777k

下载量: 84