多属性神经网络反演预测煤层顶板岩性 seismic multi-attributes inversion using neural network and its application in predicting lithology of coal seam’s roof.pdfVIP

下载本文档

1
0
约1.74万字
约 5页
2017-09-04 发布于上海
举报
版权申诉

多属性神经网络反演预测煤层顶板岩性 seismic multi-attributes inversion using neural network and its application in predicting lithology of coal seam’s roof.pdf

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

多属性神经网络反演预测煤层顶板岩性 seismic multi-attributes inversion using neural network and its application in predicting lithology of coal seam’s roof

第44 卷第1 期煤田地质与勘探 Vol. 44 No.1 2016 年2 月 COAL GEOLOGY EXPLORATION Feb. 2016 文章编号: 1001-1986(2016)01-0103-04 多属性神经网络反演预测煤层顶板岩性 1,2 2 1 刘文明，刘万金，裴跟弟 (1. 中煤科工集团西安研究院有限公司，陕西西安 710077 ； 2. 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室，北京 100083) : 煤层顶板岩性对于煤矿安全生产产生很大的影响。通过神经网络方法对自然伽马测井与地震属性( 包括波阻抗属性)进行训练得到两者的非线性关系，并将其应用到整个地震数据中得到拟自然伽马体。相对于波阻抗属性，自然伽马参数可以很好地区分砂泥岩，从而更直接预测煤层顶板岩性，提高岩性预测的分辨率。：煤层顶板岩性；地震属性；神经网络；自然伽马测井：P631 ：A DOI: 10.3969/j.issn.1001-1986.2016.01.020 Seismic multi-attributes inversion using neural network and its application in predicting lithology of coal seam’s roof 1,2 2 1 LIU Wenming , LIU Wanjin , PEI Gendi (1. Xi ′an Research Institute, China Coal Technology and Engineering Groop Corp, Xi ′an 710077, China; 2. China University of Mining and Technology (Beijing), State Key Laboratory of Coal Resource and Safety Mining, Beijing 100083, China) Abstract: The lithology of coalbed’s roof has huge impact on the safe mining. Through training the data of seismic attributes(including P-impedance) and gamma ray logging data by neural network algorithm, we can get the nonlinear relationship of them, then we apply the nonlinear relationship to the whole seismic data volume and get pseudo gamma ray data volume. Compared to P-impedance, the gamma ray data can better distinguish the sandstone and mudstone, therefore, we can predict the lithology of coalbed’s roof more directly and accurately, also improve the resolution on lithology prediction issues.