teecneroteect-软件介绍.pptVIP

一、NeuroTEEC地震相分析新技术原理 地震相分析技术 定性描述沉积相变化 直观确定地质体，异常体空间分布 定量的物性预测 NeuroTEEC--地震地层解释/地震相处理流程和应用事例 TEEC公司获得专利的波形分类技术。 Patent No. PCT/DE 00/02796 专门用于解释岩性，地层油藏，地质相对比的新的地震解释技术 流程 石炭顶波形分类结果 石炭顶孔隙度预测结果 高产油区 预测质量控制 neuroTeec 其他软件 NeuroTEEC应用实例4—河道 河 漫 滩 相 河 漫 滩 相 河 道 区内发育河道与河漫滩沉积，发育两个河道沉积。 河道两侧为河漫滩沉积。 河道内砂岩发育，向两侧砂岩相变为河漫滩泥岩沉积，是良好的遮挡条件，形成岩性油气藏。 NeuroTEEC应用实例4—河道 JJD三角洲II JJD三角洲I WW三角洲II WW三角洲I NeuroTEEC应用实例5—三角洲 层1地层对比图 扇三角洲前缘 三角洲前缘 前三角洲 三角洲平原 三角洲前缘 三角洲前缘 JJD三角洲 WW三角洲 SF扇三角洲 长期发育的SF、JJD、WW（扇）三角洲沉积体系交汇重叠，与断层配合，形成构造岩性油藏。 NeuroTEEC应用实例5—三角洲 JJD三角洲 WW三角洲 夏96 沉积交汇界限明显 内部细节更加清楚 NeuroTEEC应用实例5—三角洲 江家店—玉皇庙地区沙三下+20ms波形分类与地震相划分图 前三角洲 三角洲前缘 三角洲前缘 三角洲前缘 扇三角洲前缘 WW、JJD三角洲交汇处 SF、JJD三角洲交汇处 和沙三下分类结果相比，JJD、WW（扇）三角洲沉积体系交汇 ，分界明显 NeuroTEEC应用实例5—三角洲 74 143 149 NeuroTEEC应用实例6—深水浊积砂 沉积体系分布图 143井 143井区属性（振幅）预测图 NeuroTEEC应用实例6—深水浊积砂 T5波形分类与地震相划分图 在断层下降盘发育多个浊积砂体 NeuroTEEC应用实例6—深水浊积砂 t148 T5波形分类与地震相划分效果对比图 NeuroTeec 其它软件 143块边界清晰 143块边界 NeuroTEEC应用实例6—深水浊积砂 NeuroTEEC应用实例7—石炭系裂缝 石炭系油藏储层沉积相研究 NeuroTEEC应用实例7—石炭系裂缝 低产油区 NeuroTEEC应用实例7—石炭系裂缝 * * Trappe Erdoel Erdgas Consultant ---NeuroTeec 技术原理 假设当岩性、物性、流体性质发生变化时，地震数据的振幅、波形和横向连续性就会发生变化。 NeuroTEEC是一种利用地震信号（波形，振幅，横向连续性）通过神经网络对地震数据进行分类，可以确定这些变化，从而划分地震相。 通过关键井和地质信息标定地震相、解释地质相、结合井的资料预测储层的物理性质。 NeuroTeec能利用子体技术连接符号型和数值型数据，评估数据空间存在的复杂非线性关系 。该软件提供了30余种网络结构算法，因此对给定问题可以提供最适宜的结构算法。 NeuroTeec分类和地质统计方法比较 分类方法 NeuroTEEC提供了三种分类方法： 平面分类—基于体属性 体分类—利用单道波形 模式识别分类—利用井旁道 分类方法 W05 W07 W03 W02 W01 平面分类 体分类 模式识别分类 单井 多井 分类方法—模式识别分类 NeuroTeec模式识别过程，就是使具有相似结构（振幅、波形等）的神经元和相邻的神经元进行自适应性学习，然后用给定的关键井位置的地震信号进行训练。当训练结束后，把最能代表井点位置的地震属性的神经元标为参照，对整个数据体进行分类处理。最后根据分类结果和地质认识，划分地震相 non_neural_lu9well_k1h27 技术特点 基于波形体属性的特征描述 而其他为单道波形 多道模型不但考虑振幅，相位（形状），还考虑了波形的横向连续性 二维或一维神经网络，其他多为一维 随机抽取学习样本 其他多为取井旁道作样本 不是黑箱，分类的中间过程可控制 井的标定与验证，定量预测出孔隙度等物性分布图 稳定不受噪音和假同相轴的影响 单道波型与多道模型 其他软件 NeuroTEEC 多道模型不但考虑振幅，相位（形状），还考虑了横向连续性变化 多道模型比单道模型更稳定 - 利用体属性的优点: 振幅 子波形状 横向连续性 1D Neural Net (1x8 neurons) 2D Neural Net (8x8 neurons) Correlation Strength high