神经网络结合聚类分析进行储层油气预测

ＢＰ神经网络具有较高的容错性， 具有良好的适应性， 在已知井的情况下， 由已知井出发外推预测储层的含油气性，是其优势项目。聚类分析在没有钻井或者钻井资料较少的工区，用邻区钻井资料约束确定具有代表性地震道的特征参数， 作为神经网络油气预测在学习阶段的期望输出（样本）， 具有很强的生命力， 同时它也是一种模式识别技术。通常， 地震资料油气预测软件在地震道特征参数的提取方面， 只注重地震参数， 而没有考虑地质参数； 只注重常规地震特征参数， 而没有考虑外界条件对地震道特征参数的影响。笔者除了注重地震参数以外， 还考虑地质参数对油气预测的重要性， 除了常规特征参数以外， 还消除外界条件对地震特征参数的影响， 提取出通过特殊变换而得的无名特征参数。