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

王天云 韩小锋 许海红 孙小萍 李 陶 侯 艳

(①东方地球物理公司，河北涿州 072751；②中国地质调查局西安地质调查中心，陕西西安 710054)

0 引言

基于地震资料开展地震相—沉积相研究，经过长期发展至今已成为一项具有重要意义的基础性工作。以往主要是研究人员通过观察地震反射特征(振幅、频率、相位、反射结构等)，与建立的标准地震相特征进行对比，从而划分地震相[1]。但判断地震相具有很强的主观性，依赖于解释人员的经验。为了更好地挖掘蕴涵在地震资料中的信息，应用地震属性辅助沉积相识别的技术应运而生。从20世纪60年代开始发展到现今，地震属性技术已颇为成熟，依托地震资料提取的地震属性可达数十余种[2-3]。单纯的某一种属性仅能反映沉积相的某些特征，如果将多种属性综合在一起，则可以更好地刻画沉积体变化规律[4-5]。神经网络方法在油气勘探开发中得到广泛应用，如岩性识别、流体自动识别、储层横向预测等[6-9]。当研究区样本点足够多且分布均匀时，多采用有监督神经网络方法；当样本点稀少时，多采用无监督神经网络方法。多年来，神经网络地震相分析方法颇受青睐[10-12]，它完全基于数据驱动，极大地降低了人为因素的干扰。将时频分析、瞬时属性、几何结构属性、弹性参数反演等结果与自组织分析技术(SOMA)方法结合，可自动划分和识别地震相。

研究区为银额盆地苏红图坳陷东部艾特格勒凹陷，为油气勘探新区，勘探程度较低，受限于地质资料及钻井较少，对于其沉积特征分析还不充分，制约了该地区的进一步勘探。……