无监督神经网络地震属性聚类方法在沉积相研究中的应用

来源 :石油地球物理勘探 | 被引量 : 0次 | 上传用户:hsuyh412
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于自组织映射神经网络分析技术(SOMA)划分地震相是一种属性综合聚类方法,开展地震属性优选、确定聚类种数、分析地震相—沉积相关系是该方法应用过程中的关键。针对银额盆地白垩系苏红图组主力生油层系,充分挖掘叠后地震资料中反映的地震相类别信息,在地震沉积学理论指导下,应用SOMA进行属性聚类分析,并结合地质资料开展地震相—沉积相研究。优选均方根振幅、信息熵、混沌李、分形关联维等4种地震属性进行聚类分析。研究结果表明,艾特格勒凹陷苏红图组主要发育扇三角洲、辫状河三角洲、滨浅湖、深湖等沉积相。应用此技术降低了少井
其他文献
深层缝洞型碳酸盐岩储层空间分布散乱且内部结构差异大,利用希尔伯特—黄变换、集合经验模态分解、完备集合经验模态分解等时频分析方法描述储层时存在模态混叠、端点效应等
传统的磁性目标形态反演中,反演模型的初始磁性参数和几何参数需根据经验赋值,针对这一问题,提出了基于多参数约束的磁性目标体三维形态反演方法。首先,通过L1范数和正则化约
为了充分利用地震记录中的绕射波信息刻画地下小尺度地质体(断层、裂缝、尖灭和孔洞等),需要将弱能量的绕射波从地震全波场中分离出来以实现绕射波单独成像。为此,在倾角域共
1 世界经济发展走势  2020年,新冠肺炎疫情在全球蔓延,各国在疫情期间采取了大规模的经济刺激措施,总计投入12.7万亿美元,防止了经济全面崩溃,避免了一场经济大萧条。国际货币基金组织(IMF)于2021年1月26日公布的最新一期《世界经济展望》预测:2020年全球经济萎缩3.5%,萎缩幅度较上一次预测收窄了0.9个百分点;发达经济体GDP环比下降4.9%,新兴市场和发展中经济体GDP环比下降2
期刊
岩性油气藏存在储层薄、横向变化快等勘探难点,在常规处理的地震资料上开展岩性油气藏储层预测时,地震资料分辨率、保幅性等难以满足地质需求。为此,探索提出了基于地质目标