基于主成分分析方法的海量地震数据属性降维优化

针对传统的地震数据属性降维优化方法所选取的地震数据属性特征贡献率低导致降维过程计算量大、CPU占用率高等问题,提出一种基于主成分分析的海量地震数据属性降维优化方法。首先根据地震样本特征建立地震数据特征矩阵,把矩阵中的特征进行聚类,运用降序法排列聚类结果,选取前几项数据作为地震数据属性特征选取结果,对其结果评估分类信息量;通过特征积分准则(FSC)修正分类信息量,获取海量地震数据属性特征节点;运用主成分分析方法对地震数据属性特征节点主成分添加标签,确定Fisher判别分析与PCA可变动选择不确定关系,建立半监督降维的全局最优化形式,运用特征值分解计算降维结果,克服海量地震数据属性降维过程中的过拟合问题,融合主成分分析算法与Fisher判别分析算法实现海量地震数据属性降维优化。实验结果证明,所提方法选取的属性特征精度及贡献率较高,降维过程中CPU占用率较低。     

过零点个数地震属性理论诠释及应用

在地震解释与储层预测中,地震属性扮演着重要角色.在砂砾岩储层研究过程中,常规属性效果并不理想,无法满足实际应用的需要.而过零点个数,虽是一种不被人经常使用的地震属性,但我们发现在砂砾岩体油藏预测中应用效果良好.为此,研究过零点个数地震属性的定义与计算方法,讨论子波主频、砂岩厚度、泥岩夹层和地层韵律性等与它的关系,通过模型测试与实际资料应用对其做较全面的诠释.研究表明:(1)对于单一界面地震记录,过零点个数不随子波主频和波长的变化而变化;(2)砂岩厚度与过零点个数呈正相关,厚砂岩的过零点个数要比薄砂岩大;(3)砂体间存在的泥岩夹层,厚度变化对过零点个数影响较小,但它会影响波组的形态;(4)不规则沉积与均匀沉积相比,过零点个数属性值要大,因此,此属性比较适合多期次发育的砂砾岩体或其他薄互层结构的储层预测.总的来说,过零点个数地震属性能够有效地识别砂砾岩体发育区,可为此类储层预测提供了一种新的优势属性.     

二维地震属性标准化处理及应用——以鄂尔多斯盆地刘峁塬地区长8_1段为例

为解决跨度时间较长二维地震测线提取属性差异较大的问题,提出了以测线交点信息为约束,结合模拟退火算法调整优化参数对地震属性标准化处理的新方法,以解决二维地震资料不同测线地震属性一致性较差的问题.标准化处理后的震属性与储层具有很好的相关性.采用模糊神经网络方法对研究区长81段砂岩厚度进行了地震属性定量预测,表明标准化后的二维地震信息的融入能够有效的提高储层预测的精度.     

地震属性优化及其在储层预测中的应用

利用地震资料属性信息预测油气储层已越来越受到石油地球物理工作者的广泛重视。但如何优化地震属性,从而更加精确地预测薄砂岩储层特征,提高其描述精度,更是地质及地球物理勘探家们始终不懈的追求。本文在借鉴主成分分析思想的基础上,提出一种新的地震属性优化方法-约束主成分分析。经理论模型的计算及油田区的实际应用表明:该方法不仅能提高储层预测的精度,而且具有更好的适用性。     

主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用

为有效解决地震伤亡人数预测所需影响因子多、 运算量大、 模型训练烦琐等问题, 构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型, 采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分, 将贡献率较大的主成分作为支持向量机的输入变量, 以地震伤亡人数作为输出变量, 利用GA对SVM模型性能参数进行优化, 建立基于PCA-GA-SVM的地震伤亡人数预测模型, 并对测试样本进行预测, 结果表明: 与SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的预测准确率和运行效率分别提高 4.73%、 1.14%、 9.99% 和47.05%、 36.76%、 44.55%。结果显示, PCA-GA-SVM模型预测精度高, 泛化能力强, 能够科学合理地对地震伤亡人数作出预测。     

等时地层模型控制下的砂砾岩体岩相预测

砂砾岩体是陆相断陷湖盆陡坡带广泛发育的岩性类型,亦是东营凹陷最重要的一种增储上产储层类型.地质上,该类沉积储层非均质性强,不同相带储层物性差异大,油气分布相控特征明显;地震上,砂砾岩体内幕反射杂乱、空白,成层性差,空间上识别可靠的等时地层界面困难,导致后期有利相带、储层描述精度低,失去了沉积学理论基础和方法支持.本次研究创新在井震频谱分析、Fischer曲线和耦合系数三因子联合井震标定基础上,探索形成了EMD地震层序格架约束下的基于价值函数的等时地层模型建立方法,客观快速的建立了研究区三维相对地质年代模型,极大提高了砂砾岩体层序划分精度,并在该模型约束下通过门槛值约束敏感属性融合法对影响砂砾岩体非均质性的岩相进行了预测,实现了油气优势相带精细刻画,有效指导了砂砾岩体井位部署及后期开发方案编制.     

基于PCA-PSO-SVM的地震死亡人数预测模型研究

为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果。结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85%、20%、10%,其平均误差相比PSO-SVM、SVM模型分别降低2.08%、2.28%;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25%、20%、7.18%,其平均误差相比PSO-SVM、SVM模型分别降低3.34%、3.50%。因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度。     

油气地球物理解释技术研究新进展

根据2012-2015年度SEG和EAGE年会内容,介绍了近年来地油气地球物理解释技术相关新进展:在裂缝检测分析技术中,断层自动提取技术可以在三维地震相干体上自动提取断层线,利用窗口3D拉东变换滤波器可以改善大断裂的信号强度;三维地震属性优化技术,一般通过属性预处理,采样训练,多变量步步识别,非线性主成分分析,建立判别模型等步骤;全波形反演技术可以按照在岩性预测、储层物性参数、储层流体检测的应用方向分成了三类;AVO技术在新技术和裂缝介质,理论方法和实践应用三个方面有所发展;磁法技术主要在3D建模与反演、海洋电磁勘探技术和储层描述技术三个方面;页岩气储层描述不仅用于勘探阶段的资源评价、裂缝建模、"甜点"识别,还可直接为储层改造与开发提供储层物性、页岩层裂缝和应力场数据方面具有独特的优势.随后,研讨了其技术发展趋势,例如在综合解释方面,更加注重处理-解释一体化,以及多学科综合;在解释过程中,通过各种特殊处理方法充分挖掘与应用地震数据中的各种信息,通过属性的标定、约束和模拟等手段,更准确地刻画构造、更精确地预测储层和更逼真的描述油气藏;在技术上,岩石物理、地震属性、地质统计学、三维可视化以及各种反演方法仍是主要研究领域.     

多波地震深度学习的油气储层分布预测案例

有机并有效利用纵波与转换横波在油气储层敏感度上存在的差异,有助于突出地震油气储层特征,有助于提高地震油气储层分布边界刻画的精度.基于此,本文设计了一种卷积神经网络与支持向量机方法相结合的多波地震油气储层分布预测的深度学习法（Deep Learning Method）.首先,利用莱特准则剔除所生成的多波地震属性中可能存在的异常值降低网络变体数量.然后,通过能突出多波地震油气储层特征的聚类算法和无监督学习算法构建隐藏层,用于增加网络共享,提取油气特征.最后,将增加网络罚值后的井点样本作为支持向量机预测的输入样本,以降采样后的C3卷积层属性作为学习集,进行从已知到未知的地震油气储层的预测.本方案应用于HG地区晚三叠统HGR组的碳酸盐岩油气储层预测,所预测的地震油气储层边界更加清晰,预测结果与实际情况基本吻合.应用结果表明：本论文方案不仅具有可行性,且具有有效性.     

粗集理论在地震储层预测中的应用

在地震储层预测中,可采用的地震属性种类繁多,但太多地震属性常常会起到干扰作用,影响储层的预测精度,因此,为提高地震储层预测精度,把粗糙集理论融入到地震属性的优化中,利用粗糙集理论所具有的提取有用属性、简化信息处理的能力,优选出地震属性中的敏感属性是本文的研究目的,本文采用了一种基于属性方差的自组织神经网络量化方法,并运用基于区别矩阵的属性频率约简算法对地震属性进行优选,实例分析表明:该方法可行有效,可以最大限度地删除冗余地震属性,用优选出的敏感属性组合对多种储层参数进行预测均已取得了较好的效果.     

Reservoir prediction using multi-wave seismic attributes

The main problems in seismic attribute technology are the redundancy of data and the uncertainty of attributes, and these problems become much more serious in multi-wave seismic exploration. Data redundancy will increase the burden on interpreters, occupy large computer memory, take much more computing time, conceal the effective information, and especially cause the "curse of dimension". Uncertainty of attributes will reduce the accuracy of rebuilding the relationship between attributes and geological significance. In order to solve these problems, we study methods of principal component analysis (PCA), independent component analysis (ICA) for attribute optimization and support vector machine (SVM) for reservoir prediction. We propose a flow chart of multi-wave seismic attribute process and further apply it to multi-wave seismic reservoir prediction. The processing results of real seismic data demonstrate that reservoir prediction based on combination of PP- and PS-wave attributes, compared with that based on traditional PP-wave attributes, can improve the prediction accuracy.     

基于模糊粗糙集的机器学习储层参数预测

因为地震数据的三维空间分布优势,地震属性已经被广泛应用于含油气性预测、储层厚度预测、孔隙度预测等。但也存在地震属性之间信息冗余、属性与储层物性参数关系模糊的问题。针对这两个问题,将模糊粗糙理论和机器学习引入到储层参数预测中来。通过模糊粗糙集理论对地震属性进行约简,去除冗余信息,得到最优化的地震属性组合;将约简后的属性作为机器学习的输入,实现从地震属性到储层物性参数的非线性映射。该方法既保留了地震属性中有效信息,又避免了因输入变量过多而导致的网络模型训练困难。实际数据应用表明,属性约简的机器学习预测结果分辨率更高,并与数据吻合更好。      

Improving reservoir thickness prediction using seismic attributes and attributes fusion

Usage of any single attribute would introduce unacceptable uncertainty due to limited reservoir thickness and distribution, and strong lateral variations in lithological traps. In this paper, a wide range of prestack and post-stack seismic attributes is utilized to identify a range of properties of turbidity channel sandstone reservoir in Block L118 of J Oilfield, China. In order to better characterize the turbidity channel and lower the uncertainty, we applied multi-attribute fusion to weight a variety of seismic attributes in terms of their relevance to the identification of turbidity channel reservoir. Turbidity channel boundary is clearly present in the new attribute and the reservoir thickness prediction is improved. Additionally, fluid potential of reservoir was predicted using this fused attribute with a high value anomaly indicating high fluid potential. The multi-attribute fusion is a valid approach for the fine prediction of lithologic reservoirs, reducing the risks typically associated with exploration.     

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。     

复杂断块砂砾岩油藏地震解释

地震构造层位的解释精度对砂砾岩油藏的预测起关键性作用.本文以夏子街油田夏18-36区块砂砾岩扇体油藏的构造和层位解释为例,研究砂砾岩油藏地震精细解释技术.研究中采用快速地震扫描、相干体分析、精细层位标定、构造样式及断裂组合分析相结合的工作思路,在地震资料品质中偏差先天不足条件下,实现了全工区200余口井的井震统一.运用多种解释方法综合印证来提高砂砾岩油藏的解释精度,为油藏参数的反演和储层预测及注水生产奠定了坚实的基础.     

基于频率域峰值属性的河道砂体定量预测及应用(英文)

河道砂体是陆相含油气盆地最重要的储集类型之一,其边界识别和厚度定量预测是储层预测的热点难题。本文在总结现有方法技术的基础上,提出一种利用频率域峰值属性进行河道砂体边界识别和厚度定量预测的新方法。对典型河道薄砂体地震反射进行了正演模拟,构造了一种新的地震属性——峰值频率-振幅比,研究表明:峰值频率属性对地层厚度变化敏感,振幅属性对地层岩性变化敏感,两者比值突出河道砂体的边界,同时,借助峰值频率与薄层厚度间存在的定量关系进行薄砂体厚度计算。实际数据应用表明,地震峰值频率属性可以较好的刻画河道的平面展布特征;峰值频率-振幅比属性可以提高对河道砂体边界的识别能力;利用频率域地震属性进行砂体边界识别及厚度定量预测是可行的。     

基于地震属性的煤层厚度预测模型及其应用

地震属性技术在岩性和构造解释等方面得到了越来越广泛的应用,特别是在煤、油气资源勘探中具有重要的作用.基于淮南矿区谢桥1区13 1煤层地震勘探资料,提取了28种地震属性数据;通过地震属性的分析,优选出平均峰值振幅、振幅的峰态、最大绝对振幅、瞬时频率斜率等4种地震属性作为煤层厚度预测模型基本参数,结合已知钻孔资料,利用多元多项式回归以及BP人工神经网络方法,求出了各属性与煤厚之间的多元多项式回归模型及人工神经网络模型,并对模型进行了误差分析和应用结果对比分析,反映出人工神经网络模型在煤厚预测中具有好的应用效果.     

基于井位的地震属性融合技术研究

在利用地震属性对储层预测的研究中,大部分理论方法主要存在利用单一属性预测储层这一缺陷,在实际应用中则存在单一属性不能正确预测储层的问题,这些问题应通过多元属性融合技术来解决,本文在已有井资料的基础上,对属性融合技术进行了研究,分析各属性对储层的影响因素,利用井位计算各地震属性融合比重,有机的结合了各属性的优点,提出了这一问题新的解决方法.实际资料的应用显示,该方法在储层预测中取得了良好的效果.     

基于概率核地震属性融合的砂体预测方法研究

随着油气田开发程度越来越高,勘探难度越来越大,如东部的老油田已经进入开发的后期,如何识别薄层砂体是非常重要的工作之一,解决这些难题这势必需要更先进的技术.地震属性能够很好的反映砂体横向展布特征,但是单一属性无法定量预测砂体厚度,而多属性之间又存在多解性,因此有必要提炼地震属性之间的共同点,将地震属性进行信息融合,形成新的融合属性.针对这一问题,本文提出首先利用高频谐波提高地震数据的分辨率,在此基础上着重研究基于概率核的地震属性融合方法,融合了几种常见的地震属性,并结合波阻抗反演方法,预测了N873区块沙三6-3小层砂体厚度.结果显示该方法能够很好的反映砂体横向展布特征,避免了地震属性多解性问题,为提高砂体预测的精度,提供了新的思路和方法.