基于3D U-Net++L3卷积神经网络的断层识别

断层解释在构造圈闭中起着十分重要的作用,是地震构造解释的基础和关键.使用传统的相干体、曲率等属性解释断层效率较低,并且受人为因数影响较大,致使断层识别能力有限,而传统的卷积神经网络虽然可以在一定程度上摆脱人为因素的干扰,但在断层识别精度上并没有明显的提高.为了解决断层识别困难的问题,本文提出了一种基于3D U-Net++L³卷积神经网络的断层智能识别方法,该方法是采用计算机视觉领域的图像语义分割技术,对输入数据体的每一个像素点进行判断是否为断层,随后输出断层概率体.测试结果表明,本文所选用的模型的测试精度可以提高至95%左右,损失函数值可以收敛至2%左右.实际应用表明,模型可以在实际地震数据中准确地估算断层位置,在断层连续性上面有所提高,解决了断层与背景在细节上难分问题.从而验证了图像语义分割技术在断层识别上具有一定的研究价值.     

蚂蚁曲率融合属性在华北潜山裂缝型储层中的应用

裂缝及断裂的分布影响着潜山的储层和成藏条件,以华北潜山1区地震数据体为研究对象,对构造平滑后的数据体分别进行常规曲率计算,曲率坐标旋转和蚂蚁体属性的计算来预测裂缝和断裂的大概分布情况,多种属性对比后发现这些单一属性虽然都能不同程度反映裂缝发育,但都有各自的弊端。为了提高裂缝预测效果,弥补单一属性的缺陷,在优化后的曲率属性的基础上进行追踪步长缩小后的蚂蚁体计算,形成新的融合属性体,新方法提取的蚂蚁体属性反映出裂缝连续性更好,分布规律更加清晰,东南部大断裂较为突出,与地质资料对比后结果可靠,为后期工作提供借鉴。     

基于反褶积广义S变换的流度属性提取方法在潜山储层预测中的应用

草桥古潜山油藏储层埋藏较浅,属于碳酸盐岩孔隙、裂缝、溶洞型复合油藏,受风化壳孔、缝、洞发育程度地质构造、地层岩性、盖层条件等因素影响,具有油水性质复杂多变、储集空间多种多样的特点,能够为油气运移和储集提供有利条件.流体流度属性是反映储层物性及流体可动性的重要指标,为此,这里利用基于反褶积广义S变换的流度属性提取方法,首...