地震属性优化技术及BP小波神经网络储层参数预测的初步研究

地震属性是储层参数横向预测的重要手段,在不同的地区如何准确提取目的层属性、如何进行属性优化、如何建立储层参数与多种地震属性间的关系,这些都是决定储层预测成功与否的关键问题。 本文从地震属性的理论基础入手,详细介绍了地震属性属性的优化方法,特别地,介绍了核主成分分析法,该方法基于主成分分析法的改进法,其在处理非线性问题中有一定的优越性;然后,论文对BP小波神经网络的进行了系统的介绍,BP小波神经网络是基于BP算法的一种新型小波神经网络,其中BP算法采用梯度下降法来减小误差函数。BP小波神经网络预测方法抗干扰强、容错性好,对参数独立性要求不严格,而且可以同时研究大量的地震特征参数,因而在储层参数预测中具有广阔的应用前景。 论文根据测井资料,结合钻完井解释结果,利用BP小波神经网络对研究区内3口井研究层段进行单井砂体预测,结合核主成分分析法优化的地震属性,联合测井资料的单井砂体预测特征,用BP小波神经网络对砂体进行横向预测。最后论文根据均方根振幅和砂岩厚度平面分布图,对工区研究层段储层平面展布进行定性预测。