地震属性优化和神经网络在储层预测中的应用

地震属性的研究从上个世纪60年代开始，经历了几个阶段的发展后在油气勘探领域得到了广泛的应用。从地震资料可提取的地震属性参数达几十个，但进行储层预测时使用的参数并不是越多越好，因为无效的参数会增加工作量和耗费有限资源，甚至带来维数灾难，要有效地利用这些属性进行储层参数预测就要进行优化。本文对地震属性优化方法进行了介绍，分析了线性局部嵌入、K—L变换优化方法，并将优化的结果用于储层的预测。 人工神经网络作为一门新兴的非线性的科学，具有很强的非线性映射能力。近年来，神经网络的理论研究和实际应用得到了很大的发展，在很多领域得到了大量的应用，也促进了神经网络的发展。同时，这些领域也对神经网络技术提出了更高的要求。由于小波神经网络储层参数预测方法抗干扰强、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。本文详细介绍了小波神经网络的理论，对网络的学习算法进行了改进。 本文用经过优化后的地震属性和测井曲线，运用误差反向传播网络和小波神经网络进行了储层参数预测实验，取得较好的效果。