• / 28
  • 下载费用:10 下载币  

stratimagic属性合成及多属性地震相划分技术

关 键 词:
stratimagic 属性 合成 地震 划分 技术
资源描述:
属性合成及多属性地震相划分技术宋长青帕拉代姆北京办事处地震属性是指那些由叠前或叠后地震数据 , 经过数学变换而导出的有关地震波的几何形态 、 运动学特征 、 动力学特征和统计学特征的特殊测量值 。它们是地下岩性 、 物性和含油气性以及相关性质的物理表怔—— 《 储层地震预测理论与实践 》地震属性定义地震属性的分类一)时相位、瞬时频率、频谱属性、相关系数 ……松比、流体因子、拉枚常数、剪切模量 ……二)几何属性相干属性、倾角、方位角 ……—— — 3D — — — — — — 单个地震相分类体输出 。三维地震相数据体振幅 /P & 流体因子、梯度降维处理多属性地震相分类术降维处理关键技术主分量 2在原始数据寻找最大分布趋势主分量 1沿 据投影关键技术-主组分分析技术多域的统计分析技术,找出多属性数据的共同趋势,从而减少参与相划分的数据量以及用最具有代表性的数据参与划分。技术原理在所有属性体上进行 组份分析地震振幅数据体孔隙度 倾角波阻抗 方位角 相干体析主分 1 主分 3主分 2 主分 4 主分 6主分 5选取哪些属性体进行分类?选取贡献量最大的组分:经验之谈 : 的组分进行投影和地震相的划分。组份分析结果表组份分析结果地震振幅数据体孔隙度 倾角波阻抗 方位角 相干体析主分 2主分 1 主分 3降维处理后从原来的 6个数据体中只选取 3个组分参与最终的分类利用 以利用 用户指定的唯一数值(例如小层内的最大值、最小值、绝对值的最大值、平均值等)来代替小层内的多个数值,这样大大简化了进行分类的数据,分类过程中小层分层数据被保存,同时一个小层只有一个数值代表了这个小层参与计算。关键技术- 术经网络?分级分类?种子点输入?手工方法?地震相分类面临的几个问题: 先得到模型道,这些模型道代表了在地震层段中整个区域内的地震信号形状的多样性。神经网络技术分类方法• 神经网络方法一般用来划分基于波形的地震相图和基于多属性 分级分类实际上利用的是聚类算法。通常 只利用分级分类方法生成地震相体.震相分类面临的几个问题:• 神经网络分类中,对分类结果影响较大的是分类数以及迭代次数。经验的分类次数一般为 7- 15类,可以先选择一个分类数,然后分别以这个数的 50%和 150%的分类数再进行两次分类。经验的分析,绝大多数情况下,迭代 20次就基本能达到 80%的收敛程度,所以一般迭代次数选择为 25- 35次就可以了。• 分类数和迭代次数选取得到的结果是否合理,可以利用 常来说, 型道波形显示下呈斜直线分布得到的分类数比较合理。
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:stratimagic属性合成及多属性地震相划分技术
链接地址:http://www.oilwenku.com/p-64072.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开