地震属性分析神经网络智能计算方法探讨.docVIP

地震属性分析神经网络智能计算方法探讨 　　［摘要］地震属性技术近年来发展迅速，油气勘探开发中应用广泛，尤其在对使用常规技术手段难以识别的复杂油藏处理方面起到了越来越重要的作用。如何提高地震属性分析效率、精度和质量是目前受到普遍关注的热点问题， 其中人工智能技术的引入成为该领域的一个研究方向。本文简要分析了地震属性分析面临的主要难点，并对近几年来使用人工神经网络技术进行地震属性智能计算的研究和应用进展情况进行了归纳和探讨，以供相关研究人员参考。 　　［关键词］地震属性分析，人工神经网络，智能算法 　　 　　 1、引言 　　 　　 地震资料中蕴含着丰富的地震信息，而地下任何地质体及其性质的变化均反映在地震信息的相应变化上，分析地震数据的有关特征我们就可能得到地层构造、地层岩性乃至含油气性的信息。 　　 地震属性是指从地震数据中导出的关于几何学、运动学、动力学及统计特性的特殊度量值,不同的属性可指示不同的地质现象。地震属性分析则是以从地震数据中提取的与地质信息相关的地震属性为基础，根据地质目标研究的需要建立属性组，采用各种先进的方法进行优化分类及综合分析预测，研究地震属性与储层和油层的相关性，分析储层的属性及含油气特征。 　　 地震特征与储层性质之间的关系往往是间接的和受噪声影响的，地震属性分析具有影响的因素多和难以量化等特点，人们一直难以建立有效数学模型。国内外的许多研究人员对此进行了深入研究，得出了许多对地震属性进行综合分析的方法，比如：统计模式识别、模糊模式识别、神经网络模式识别等等，以及各种技术的不同组合或融合。 　　 我们注意到，在近几年地震属性分析领域的研究和应用中，其智能化程度再显著提高。其中人工智能神经网络技术尤为突出。神经网络是近年来受到普遍重视的一种计算机智能技术。它是参照人的神经系统的部分原理来对信息进行加工和处理。应用神经网络技术已成为油气勘探领域中的一个重要的技术方向。 　　 　　 2、地震属性分析的难点问题 　　 　　 （1）地震属性分析的间接性。地震数据中所含的储层信息往往是十分间接的，至今无法建立明确的物理或数学模型，这种关系通常是定性的、模糊的、不唯一的，带有一定的经验性，因此我们无法用某种确定性的方法从地震数据中进行分析。 　　 （2）地震属性相关性的错综复杂。各种地震属性之间的相关性错综复杂，主次关系变化不定，数量关系难于提取，因此应用常规的分析方法做出定量的分析也比较困难。 　　 （3）地震属性的非线性特性。地震属性以及影响属性的各变量之间呈现非线性特性，地震属性分析是一个多变量非线性问题，因此要求有强大的处理非线性问题的能力。 　　 （4）分析结果的不确定性。地质状况的复杂性、原始资料品质的好坏程度使得地震属性分析结果误差相当大。地震属性分析中对样本数据的最好匹配并不能保证最好的分析结果，即建模数据的最小误差准则并不是提高分析精度的最好准则。 　　 （5）地震数据噪声问题。由于地质状况复杂、实际施工条件等诸多因素的影响，地震数据中噪声情况严重，大大干扰属性分析的性能。 　　 （6）信息量和计算量巨大。地震属性分析时需要处理的信息量和计算量往往十分巨大，对分析算法的性能要求非常高。 　　 以上这些问题都直接影响着地震属性分析的工作效率、准确度以及精度。 　　 　　 3、地震属性分析的神经网络智能计算方法 　　 　　 3.1人工神经网络的特点。人工神经网络(artificial neural nets，ANN)是人工智能计算的一个分支。它是由大量处理单元经广泛互连而组成的人工网络，具有大规模并行协同并行处理能力、较强的学习能力、较强的容错能力和联想能力，是一个大规模自组织自适应的非线性动力系统。它通过监督学习的方式实现模式识别和函数逼近的功能。网络学习的目的是通过调节网络权重使误差最小。神经网络技术可以对不确定的和非结构化的数据进行有效表述和预测，可以实现较为复杂的函数关系，具有高度的映射能力和计算能力，特别适合进行各变量间关系难以明确的数据分析任务。近年来其在体现知识的复杂性及微观认识不完备性的地球物理学中的应用前景非常广泛。下面对目前地震属性分析领域中应用神经网络技术进行综合分析的各类智能方法作一总结和探讨。 　　 3.2 BP神经网络。ＢＰ网络是一种多层前馈神经网络，可以实现从输入到输出的任意的非线性映射。它包含正向传播和反向传播两个过程。在正向传播过程中，若网络输出与其期望之间存在偏差，则进入反向传播过程，误差信号由原正向传播途径反向回传，并按照误差函数的负梯度方向，对各层神经元的权系数进行修正，最终使期望的误差函数趋向最小。 　　 　　图1 BP神经网络结构图 　　 在众多的神经网络结构中，ＢＰ神经网络是目前应用比较广泛和成熟的一