共查询到19条相似文献，搜索用时 171 毫秒
1.
有机并有效利用纵波与转换横波在油气储层敏感度上存在的差异，有助于突出地震油气储层特征，有助于提高地震油气储层分布边界刻画的精度.基于此，本文设计了一种卷积神经网络与支持向量机方法相结合的多波地震油气储层分布预测的深度学习法（Deep Learning Method）.首先，利用莱特准则剔除所生成的多波地震属性中可能存在的异常值降低网络变体数量.然后，通过能突出多波地震油气储层特征的聚类算法和无监督学习算法构建隐藏层，用于增加网络共享，提取油气特征.最后，将增加网络罚值后的井点样本作为支持向量机预测的输入样本，以降采样后的C3卷积层属性作为学习集，进行从已知到未知的地震油气储层的预测.本方案应用于HG地区晚三叠统HGR组的碳酸盐岩油气储层预测，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合.应用结果表明：本论文方案不仅具有可行性，且具有有效性. 相似文献
2.
3.
地震资料解释是油气勘探的关键环节之一，其成果直接服务于油气田的勘探开发．随着油田精细化勘探的需求不断加深，地震解释工作量逐年增加．常规的地震层位自动解释方法在面对复杂构造时存在解释精度较差，工作量大等问题，因此，为解决上述问题，本文创新性地将一种基于图像分割技术的U-Net网络应用于地震层位解释工作中．通过输入地震数据及少量人工解释的标签数据，利用该网络进行监督学习，多套层位同时训练建模，实现地震层位自动识别，并应用于海外Parihaka地震三角洲沉积地区和国内海域工区．实际工区应用表明该技术在多层识别模型中的性能稳定，多层同时识别准确率达到90%以上，与常规地震层位自动解释方法相比，基于U-Net卷积神经网络的智能算法在小层、弱层识别方面优势明显，同时具有较高的效率与准确性． 相似文献
4.
含速度大脉冲的强地震动具有复杂的特性,人工提取速度大脉冲特征的方法较繁琐,故利用卷积神经网络（CNN）在图像特征自动提取方面的优势,提出基于卷积神经网络图像识别的速度大脉冲识别方法。基于美国太平洋地震工程研究中心NGA-West1数据库提供的强地震动记录,筛选出6 000条非脉冲记录和91条含有速度大脉冲的强地震动记录。采用在原始记录中加入高斯噪声和过采样的方法,使2类记录样本数量达到均衡。利用本文建立的卷积神经网络模型对2类记录速度时程图进行特征自动提取和分类识别,结果显示测试集准确率为99%,表明本文卷积神经网络模型能够自动提取速度大脉冲特征,进而复现已有结果。将本文方法与传统方法进行了对比,结果表明,对含有多个速度脉冲的强地震动记录的识别,本文方法优于传统方法,具有较高的可靠性、鲁棒性、灵活性。 相似文献
5.
基于人工智能的断层自动识别研究进展 总被引：1，自引：0，他引：1
随着油气勘探开发工作的进行,构造圈闭的勘探难度不断提高,断层作为油气运移、聚集的主要通道之一,断层的识别精度很大程度上影响了油气藏的勘探开发.在断层识别的发展过程中,国内外学者们提出了许多切实可行的方案.近年来,人工智能领域的兴起,使得断层自动识别方法更加多样化.本文通过调研大量的国内外相关文献,对基于人工智能的断层自动识别方法进行了归纳总结,将其划分为两个大类:智能算法、机器学习,又对每个大类进行了精细划分,并阐述了通过蚁群算法、边缘检测、BP神经网络、支持向量机、生成对抗网络、聚类及卷积神经网络来自动识别断层的基本原理、发展现状及优缺点.此外,卷积神经网络拥有卷积层、池化层等特殊结构,可以直接通过学习输入与输出之间的映射关系来实现断层自动识别,具有很好的非线性表达及泛化能力,相较于其他人工智能方法,兼具了较高的效率与精度.因此本文对基于卷积神经网络来自动识别断层的一些关键技术及优化算法进行了重点介绍,且利用大量三维合成地震记录及断层标签作为训练样本,实现了基于卷积神经网络的三维地震资料断层自动识别并对最终结果进行了深入分析.最后对断层自动识别技术的提高,给出展望与相应的结论. 相似文献
6.
本文提出了一种基于卷积降噪自编码器和Softmax回归的微地震定位方法.该方法首先将微地震数据输入到卷积降噪自编码器中进行随机噪声压制，利用卷积降噪自编码器的编码器提取微地震数据的鲁棒性特征.然后根据震源的地理位置，对每个微地震数据生成多个独立的位置标签.使用带有震源位置标签的微地震特征训练多输出的Softmax分类器模型，同时预测一个输入微地震数据的多个位置标签，进而获得精确的震源位置.合成地震记录的实验结果表明，该方法能够准确快速地定位低信噪比的微地震事件. 相似文献
7.
微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段。对于地面监测,P波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度。因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义。卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性。地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型。实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率。 相似文献
8.
为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络.对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将... 相似文献
9.
断层识别是地震解释的一项重要任务.相对传统的基于人工或半人工的断层检测方法，基于深度学习的断层检测方法具有自动化程度高等特点，近年来已经吸引了业界广泛兴趣.目前，大多数利用深度学习的断层识别方法都是基于语义分割或图像分类，但基于语义分割或图像分类的方法预测出的断层噪声较多.而边缘检测网络可以通过学习断层在地震剖面中不连续的特征，从而提高网络的抗噪能力.为了利用边缘检测网络的抗噪优点并提升其性能，本文采用基于像素差分的卷积运算构建出像素差分网络模型(Pixel Difference Networks, Pidinet).相较于传统的边缘检测网络，Pidinet将传统的边缘检测算子与深度学习网络结合，有效地提升了边缘检测的效果.为了使Pidinet网络更好地预测断层，本文对原始Pidinet网络进行了优化，去掉了相对断层识别任务而言多余的分支结构和卷积层.相对于传统的卷积运算，基于像素差分的卷积运算可以让神经网络更好地学习断层信息.为了让网络充分学习数据中的断层特征，本文将真实地震样本与合成地震样本混合得到训练所用数据集.实验证明Pidinet在交并比(Intersection over ... 相似文献
10.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献
11.
Saltbodies are important subsurface structures that have significant implications for hydrocarbon accumulation and sealing in petroleum reservoirs, and accurate saltbody imaging and delineation is now greatly facilitated with the availability of three-dimensional seismic surveying. However, with the growing demand for larger survey coverage and higher imaging resolution, the size of seismic data is increasing dramatically. Correspondingly, manual saltbody interpretation fails to offer an efficient solution, particularly in exploration areas of complicated salt intrusion history. Recently, artificial intelligence is attracting great attention from geoscientists who desire to utilize the popular machine learning technologies for evolving the interpretational tools capable of mimicking an experienced interpreter's intelligence. This study first implements two popular machine learning tools, the multi-layer perceptron and the convolutional neural network, for delineating seismic saltbodies at sample and pattern levels, respectively, then compares their performance through applications to the synthetic SEAM seismic volume, and moreover tentatively investigates what contributes to the better convolutional neural network delineation. Specifically, the multi-layer perceptron scheme is capable of efficiently utilizing an interpreter's knowledge by selecting, pre-conditioning and integrating a set of seismic attributes that best highlight the target saltbodies, whereas the convolutional neural network scheme makes it possible for saltbody delineation directly from seismic amplitude and thus significantly reduces the dependency on attribute selection from interpreters. It is concluded that the better performance from the convolutional neural network scheme results from two factors. First, the convolutional neural network builds the mapping relationship between the seismic signals and the saltbodies using the original seismic amplitude instead of manually selected seismic attributes, so that the negative impact of using less representative attributes is virtually eliminated. Second and more importantly, the convolutional neural network defines, learns and identifies the saltbodies by utilizing local seismic reflection patterns, so that the seismic noises and processing artefacts of distinct patterns are effectively identified and excluded. 相似文献
12.
Changcheng Liu Deva Prasad Ghosh Ahmed Mohamed Ahmed Salim Weng Sum Chow 《Geophysical Prospecting》2019,67(1):140-149
Amplitude interpretation for hydrocarbon prediction is an important task in the oil and gas industry. Seismic amplitude is dominated by porosity, the volume of clay, pore-filled fluid type and lithology. A few seismic attributes are proposed to predict the existence of hydrocarbon. This paper proposes a new fluid factor by adding a correct item based on the J attribute. The algorithm is verified through stochastic Monte Carlo modelling that contains various rock physical properties of sand and shale. Both gas and oil responses are separated by the new fluid factor. Furthermore, an approach based on the neural network model is trained using the deep learning method to predict the new fluid factor. The confusion matrix shows that this model performs well. This model allows the application of the new fluid factor in the seismic data. In this study, the Marmousi II data set is used to examine the performance of the new fluid factor, and the result is good. Most hydrocarbon reservoirs are identified in the shale–sandstone sequences. The combination of deep learning and the new fluid factor provides a more accurate way for hydrocarbon prediction. 相似文献
13.
断裂（裂缝）对油气藏既有破坏又有保存作用。胜利埕岛奥陶系潜山油藏受裂缝控制，非均质性强，勘探目标预测难度大。本文以地震边缘检测为先验信息和启发因子，在自适应地震相干数据体上进行蚂蚁体追踪，精细检测裂缝，弥补了单一相干体检测分辨低的缺陷，获得了与钻井和实际地下情况吻合度更高的裂缝检测结果。对该区的油气勘探起到了指导作用。 相似文献
14.
提出一个新的带通滤波器——延拓回返垂直二次导数，该滤波器可通过调节延拓回返高度及次数来达到调频目的，以突出勘探目标层段的信息.利用该技术对松辽盆地深层勘探程度最高的徐家围子断陷的航磁资料进行目标处理，与钻井资料对比表明，经处理后的航磁资料可以较好地反映火山岩的分布特征.以航磁资料为主结合钻井、地震资料预测了徐家围子三套火山岩的平面分布.指出航磁异常梯度带是火山岩储层的发育区带，近烃源岩或沟通烃源岩的航磁异常梯度带是火山岩天然气的富集区带.该认识对今后松辽盆地的勘探部署有着十分重要的指导意义，对我国其他地区的火山岩勘探也具有借鉴意义. 相似文献
15.
地震数据体结构特征,指对二维或三维地震数据体中每一地震道离散数据点按时间顺序排列所显示的波形特征。应用地震数据体结构特征法对储层进行油气预测,是近年来新兴的一项储层预测技术。塔河油田八区的主产层为碳酸盐岩裂缝一缝洞型储层,具有很强的非均质性,给储层的油气预测带来了一定的困难。针对塔河油田八区特殊的地质条件,采用了地震数据体结构特征法对该区奥陶系储层进行了油气预测,并对油区内、外的区域进行了有利区块的划分。在有利区块中设计的18口钻探井位,经钻井证实均获得了较高的油气产量,取得了很好的经济效益。 相似文献
16.
Lin Changrong Wang Shangxu Zhang Yong 《应用地球物理》2006,3(4):234-242
Seismic data structure characteristics means the waveform character arranged in the time sequence at discrete data points in each 2-D or 3-D seismic trace. Hydrocarbon prediction using seismic data structure characteristics is a new reservoir prediction technique. When the main pay interval is in carbonate fracture and fissure-cavern type reservoirs with very strong inhomogeneity, there are some difficulties with hydrocarbon prediction. Because of the special geological conditions of the eighth zone in the Tahe oil field, we apply seismic data structure characteristics to hydrocarbon prediction for the Ordovician reservoir in this zone. We divide the area oil zone into favorable and unfavorable blocks. Eighteen well locations were proposed in the favorable oil block, drilled, and recovered higher output of oil and gas. 相似文献
17.
18.
洪泽地区由于沉积的特点，储层横向变化快，油藏受构造、岩性、油源多因素控制。在对该区三维AVO属性体解释中，利用多元回归方法求取了横波曲线，分岩性和含油气性统计了纵、横波、泊松比参数分布规律，建立了本区的含油砂岩的正演模型，从而降低了AVO解释的多解性。通过井-震结合对四种AVO属性数据体进行了标定，并确定了各属性体应用范围，进而进行了储层和含油气检测。实践表明，该方法能有效地利用AVO属性数据体进行储层预测及油气检测，具有一定的推广价值。 相似文献
19.
岩性油气藏在我国天然气勘探开发中占有非常重要的位置,其分布区域的成像是合理布设井位,提高钻井成功率的关键之一.本文首先基于地下介质的声学近似和波场回传理论,利用频率域单程声波方程延拓计算地震波场,进行全波形反演,获得地层密度和体积模量的定量成像,并依据油气藏物性特征和流体饱和多孔介质岩石物理模型,简要讨论了孔隙度和饱和度与密度及体积模量的关系,明确了地震油气藏成像新概念.在此基础上,定义了基于流体体积模量和孔隙度的成像函数,进行油气藏成像.理论模型计算表明该方法是可行的.通过对西部地区某气田二维地震数据处理,实现了致密砂岩气藏成像,钻井结果证实了气藏区域成像位置的准确性和方法的有效性. 相似文献