利用神经网络系统确定地震储层特征.pdfVIP

维普资讯 第 8卷 第2期 吐 哈 油气 Vo1．8，No．2 2003年6月 TUHA O ＆GAS Jun．2003 利用神经网络系统确定地震储层特征 Joe1．D。Walls 等著 王幸才 译 摘 要：对美国中陆地区砂岩河道进行三维地震数据体的地震属性计算。使用监督和非监督 的方法对这些属性进行分类。非监督分类有助于确定储层砂岩的范围和形状，一个经过培训 的人工神经网络利用叠后地震属性能够对地震数据体中目标砂岩的岩性、孔隙度、厚度进行分 类，并达到较高的可信度。 关键词：岩石物理性质；叠后地震属性；神经网络系统；地震储层特征 在美国中陆地区的—个气田中，河道特征为页 的浅河谷。随着海平面进一步下降，河道进入圣吉 岩和储层砂岩 ，孔隙度范围为6％～20％。在储层 纳维夫，冲开一个深为61m，宽为228～305m、长为 特征研究中，综合测井数据、岩心数据和三维地震 几十公里的峡谷。河道最下面的一些砂岩可能在 数据描述 目标砂岩中的岩性和孔隙度的变化。项 这个河流系的残留沉积中，但是多数填充切口的砂 目的实施分二个阶段进行。第一阶段进行定性的 岩和页岩是多次海侵过程中沉积的Chester期河口 非标定的地震属性研究，第二阶段进行详细的测井 湾沉积物。最终，整个河流系统在大洪水中被海相 标定储层特性研究。 Notch页岩埋藏。 第一阶段 ，先计算多种地震属性，再用统计工 数据和属性的形成 具把它们综合起来 ，得出岩性和孔隙度的变化。这 该地区的三维地震勘探面积达 65m2，勘探资 些快速计算的 “混合的”属性可以揭示出重要的构 料的品质较好 ，具有宽频带宽和50Hz的中心频率。 造和地层特征。 在 目标储层上方三维数据体上计算的地震属 第二阶段 ，利用测井和岩心数据标定速度—孔 性包括包络、包络一阶导数、包络二阶导数、瞬时相 隙度的关系。随后 ，利用这个模型通过代表性井扰 位、瞬时频率、相对声阻抗、岩性指示、相似性和薄 乱储层砂岩孔隙度，把得到的 “拟井”结果输入到 层指示 。 — 个 1维射线—追踪合成地震程序中，进行叠前和 所有的属性被综合到被称为Kohonen 一or— 叠后地震属性处理。利用测井数据将地质柱状剖 g口慨 Maps(SOMs)的统计分类系统中。SOM是 面分为碳酸岩、页岩和4种不同的砂岩孔隙度级 根据地震体的多属性和多域聚类系统而执行的，该 别 ，然后用经过培训的神经网络系统对这些分类与 系统根据属性特征识别一般特征区。 模拟过的地震属性进行相关，一旦培训好了，就用 下一步是合并从井眼中得到标定数据，幸运的 该神经网络系统对整个 3维地震体进行分类。与 是每 口井中都有一