利用Kohonen神经网络划分二维地震相——以柴达木盆地E区风险勘探为例.pdfVIP

第23卷 第4期 岩 性 油 气 藏 Vo1．23No．4 2011年 8月 LITH0L0GIC RESERVOIRS Atie．201l 文章编号 ：1673—8926(2011)04—0115—04 利用 Kohonen神经网络划分二维地震相 — — 以柴达木盆地 E区风险勘探为例 刘小洪 ，冯明友 ，杨午阳 ，孙 辉2，魏新建2，刘 哲s (1．西南石油大学资源与环境学院；2．中国石油勘探开发研究院西北分院； 3．中国石油长庆油 田分公司勘探部) 摘 要：为研究柴达木盆地 E区大型背斜构造沉积相及砂体展布规律 ，在二维地震数据闭合差校正、邻区 井标定引入及精细层位解释基础上 ，利用改进算法的Kohonen神经网络技术开展二维地震相划分研究． 识别出三角洲前缘水下分流河道、分流间湾及滩坝等微相。本文研究认为 。研究区古流向为南东一北西 向，储集砂体较发 育，主要富集于研究区中部，现今构造 东高点位于有利沉积相带。改进算法的K0h0nen 神经网络二维地震相划分技术补充了沉积相研究成果 ，适合于西部二维地震资料覆盖的风险探 区．具较 强的推广价值 。 关键词 ：Kohonen；神经网络 ；地震相 ；沉积相；柴达木盆地 中图分类号 ：TEl12．221 文献标识码 ：A 0 引言 1 Kohonen神经网络原理 地震相指特定沉积相或地质体在地震振幅、相 Kohonen神经网络是无监督学习的人工神经网 位 、连续性及反射特征组合 中的综合响应。地震相 络 ，也称为 自组织特征图(Self-OrganizingMap)。该 分析 即以实际地质资料为基础 ，利用地震参数并结 网络可实现对输入模式特征进行拓扑逻辑映射 ．是 合其它资料进行综合沉积环境解释的过程 。 一 种高维输入向量 向低维输出向量投影 的方法 。主 地震相研究 的核心为神经 网络技术 [1-4]。神经 要 由输入层 、隐藏层 (Kohonen层 )和输 出层组成 网络技术主要分为有监督 的神经网络技术 (应用于 (图 1)El1]。其原理是 ：模拟生物神经元之间的竞争 勘探中后期及开发期)和无监督的神经 网络技术 (多 作用进行信息处理 ，通过 比较输入样本间的空间最 应用于勘探前期)，多名学者 [so]曾利用神经 网络技 小距离来不断调整神经元间的权值 ，从而使相似的 术开展地球物理方面的研究 输入样本 (即优胜神经元)聚集为一种分类 。经过每 研究 区位于柴达木盆地北部风险勘探 区．该研 Knh0nn屡 究 区二维地震资料丰富 ，有监督的神经 网络技术受 限。本文开发出二维地震相分析及成图软件 ．利用 Kohonen神经网络技术对地震道波形进行分类并将 此分类形成离散 的 “地震相”：再根据 “拟合度”准则 对实际地震道进行对 比和分类 ，细致刻画出地震信 号横 向变化规律及地震波形平面分类特征 ：最后结 合相关研究结果对地震资料进行综合地质解释 ，进 图 1 Kohonen神经网络结构 示意图 而开展储层预测和含油气性判别研究 。 Fig．1 Structuraldiagram ofKohonenneuralnetwork 收稿 日期：2010—12—20：修 回 日期 ：2011一O2—16 第一作者简介 ：刘小洪 ，1980年生 ，女 ，讲 师，主要从事储层沉积学研究。地址 ：(610500)四川省成都市新都区新都大道 8号西南石油大学资 源与环境学院。