张, 郑晓东, 李劲松, 路交通, 曹成寅, 隋京坤
1 中国石油勘探开发研究院, 北京 100083 2 中石化石油工程地球物理有限公司, 北京 100029
基于SOM和PSO的非监督地震相分析技术
1 中国石油勘探开发研究院, 北京 100083 2 中石化石油工程地球物理有限公司, 北京 100029
地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度.
自组织神经网络;粒子群算法;非监督地震相分析;聚类
在地震储层特征描述和检测的技术中,地震相分析(Nivlet, 2007)是一种不可或缺的方法.人工地震相分析(Saggaf et al., 2003)需要投入大量的时间,更要求解释人员具有足够的经验,并结合一定的分析方法才能完成.随着勘探精度的提高,高密度、宽方位采集技术的应用,地震数据进入大数据时代,如何从海量的地震数据中提取地质特征信息成为研究的热点,近年来非监督地震相分析方法(de Matos et al., 2007)逐渐受到……