基于神经网络的多属性火成岩岩性反演技术

doi:10.3863/j.issn.1000-2634.2006.01.002

西南石油大学学报(自然科学版) ›› 2006, Vol. 28 ›› Issue (1): 5-8.DOI: 10.3863/j.issn.1000-2634.2006.01.002

基于神经网络的多属性火成岩岩性反演技术

冉启全周雪峰胡永乐

(中国石油勘探开发研究院，北京，100083)

收稿日期:2005-03-17 修回日期:1900-01-01 出版日期:2006-02-20 发布日期:2006-02-20
通讯作者: 冉启全

MULTIATTRIBUTES LITHOLOGICAL INVERSION OF IGNEOUS ROCKS BASED ON NEURAL NETWORK

RAN Qi-quan ZHOU Xue-feng HU Yong-le.

( Research Institute of Petroleum Exploration and Development of Petrochina, Beijing 100083，China)

Received:2005-03-17 Revised:1900-01-01 Online:2006-02-20 Published:2006-02-20
Contact: RAN Qi-quan

摘要/Abstract

摘要： 在岩心分析的基础上应用地质测井地震等多学科资料对枣园火成岩的岩性电性波阻杭特征进行了研究并对岩性、电性与波阻杭、地震属性间的相关性进行了系统分析。在此基础上，针对常规波阻杭反演方法的不足，形成了一套基于神经网络的多属性岩性反演技术，采用该技术对枣园火成岩不同岩性进行了反演，给出了火成岩厚度及孔隙度分布。

关键词: 火成岩, 岩性, 电性, 地震属性, 神经网络, 岩性反演

Abstract: Based on core analysis, the lithalogies, electrology charac-ters, and wave impedance characteristics of Igneous Rocks have been analyzed with geological, logging, seismic and many other information. The carrelativity between the lithologies, electrology characters and wave impedance, seismic attribute has been systematically investigated. To overcome the shortage of conven-tional wave impedance inversion, a set of multi一attributes 1i-thological inversion of Igneous Rocks based on neural network has been established. The lithologies of Igneous Rock in Zaoyuan oilfield have been predicted with the inversion method ,and the distribution of thickness and porosity were given.

Key words: Igneous Rock, lithalogies, electrology characters, seismic attribute, neural network, lithological inversion

中图分类号:

P631.445

冉启全周雪峰胡永乐. 基于神经网络的多属性火成岩岩性反演技术[J]. 西南石油大学学报(自然科学版), 2006, 28(1): 5-8.

RAN Qi-quan ZHOU Xue-feng HU Yong-le. . MULTIATTRIBUTES LITHOLOGICAL INVERSION OF IGNEOUS ROCKS BASED ON NEURAL NETWORK[J]. 西南石油大学学报(自然科学版), 2006, 28(1): 5-8.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.2006.01.002

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2006/V28/I1/5

[1]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[2]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[3]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[4]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[5]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[6]	田瀚, 张建勇, 李昌, 李文正, 姚倩颖. 成像测井在灯影组微生物岩岩相识别中的应用[J]. 西南石油大学学报(自然科学版), 2020, 42(5): 75-85.
[7]	尹涛, 杨屹铭, 靳锁宝, 江乾锋, 孟德伟. 概率法在岩性气藏储量风险评估中的应用[J]. 西南石油大学学报(自然科学版), 2020, 42(3): 60-68.
[8]	代瑞雪, 冉崎, 关旭, 梁瀚, 赖强. 非均质滩相储层地震反射特征及识别[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 61-70.
[9]	战雕, 邵振鹏, 曾丽, 王英军, 佟林. 柴达木盆地东坪气田基岩储层裂缝建模方法研究[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 71-79.
[10]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[11]	董文波. 欧利坨子地区粗面岩预测方法研究[J]. 西南石油大学学报(自然科学版), 2017, 39(6): 19-24.
[12]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[13]	葛家旺, 朱筱敏, 陶文芳, 黎明, 葛德发. 惠州凹陷HZ25转换带构造特征与成藏条件[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 19-30.
[14]	刘豪1，郭奕杉2 *，赵春晨3，夏越洋1. 浅水三角洲砂体预测的地震属性方法探讨[J]. 西南石油大学学报(自然科学版), 2016, 38(4): 71-81.
[15]	赵忠泉1 *，贺振华2，万晓明1，帅庆伟1. 基于敏感地震属性波形分类的流体预测研究[J]. 西南石油大学学报(自然科学版), 2016, 38(3): 75-81.

基于神经网络的多属性火成岩岩性反演技术

MULTIATTRIBUTES LITHOLOGICAL INVERSION OF IGNEOUS ROCKS BASED ON NEURAL NETWORK

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价