共查询到20条相似文献，搜索用时 140 毫秒
1.
在弹性阻抗反演方法的基础上,充分利用纵波和转换波地震信息,开展了纵横波弹性阻抗联合反演方法研究。首先对转换波反射系数近似精度进行对比分析,选取了转换波弹性阻抗近似公式,并对选取的转换波弹性阻抗公式进行标准化处理;其次详细研究了该反演算法的基本原理,并提出了具体实现流程;最后分别利用二维模型和实际工区的井数据制作叠前角度道集,添加随机噪声,对该反演方法进行模型试算。结果表明,纵横波弹性阻抗联合反演所得纵波速度、横波速度及密度估测值与真实值之间吻合较好;而且与单纯纵波弹性阻抗反演结果相比,纵横波弹性阻抗联合反演所得密度估测值更加稳定,从而为准确储层识别和流体检测提供了可靠的依据。 相似文献
2.
以贝叶斯反演为代表的概率化反演方法既能考虑观测数据的不确定性,又可以考虑待求解参数的先验信息,在实际地震反演中备受青睐。经研究表明,在柯西先验信息下获取的反演结果更具有稀疏性,且具有高分辨特征。叠前弹性阻抗反演是一种基于多角度部份叠加剖面的叠前地震反演方法,信息量丰富,计算效率高。这里在贝叶斯框架下,实现了基于柯西先验的叠前弹性阻抗反演方法,并提取了对储层流体敏感的弹性参数。实际资料应用表明,基于柯西先验的弹性阻抗反演方法合理可靠,具有较高的分辨能力,且提取的弹性参数能够较好地吻合实际钻遇结果。 相似文献
3.
《物探化探计算技术》2016,(3)
弹性阻抗反演是结合声阻抗反演与AVO反演的叠前地震反演技术,能够克服叠后波阻抗反演的缺陷,反映振幅随偏移距变化的信息,已经广泛应用于地震岩性识别和流体特征的获取。常规的线性迭代弹性阻抗反演方法存在依赖初始模型、容易陷入局部极值等缺陷。针对这一问题,提出了一种基于改进粒子群算法的弹性阻抗非线性反演方法,并利用该算法对胜利油田某工区地震资料进行了弹性阻抗反演,获得了多个弹性参数剖面,与实际钻井结果相符,该方法为复杂油气藏的勘探开发提供了一种有效可行的途径。 相似文献
4.
弹性阻抗反演因其兼具叠前与叠后地震反演的优点、能够得到众多对岩性及流体较为敏感的弹性参数,因而在储层预测领域中应用极为广泛。弹性阻抗反演所使用的弹性阻抗方程是单入射角的函数,而在实际应用中由于采集以及处理技术的限制,反演所采用的地震道集为角度部分叠加道集,因而造成了方程与地震道集间的矛盾,导致阻抗体的反演精度降低。叠加阻抗理论将弹性阻抗方程改写为角度叠加范围的函数,更加符合实际道集情况,阻抗体反演精度高。基于叠加阻抗的思想,将常见弹性阻抗方程改写为叠加阻抗的形式,引入到弹性参数反演当中,并论证其可行性,以期更加准确地反演出弹性参数,从而提高储层预测成功率。 相似文献
5.
叠前时间偏移得到的CRP道集和叠前弹性参数同时反演技术为岩性和隐蔽油气藏勘探开发提供最为有效的含油气储层的识别方法。依据弹性波传播的基本理论,对Zoeppritz方程进行简化,给出了计算纵横波波阻抗同时反演的公式。在井资料分析及计算其弹性参数的基础上,通过交会图分析得知利用P波阻抗和S波阻抗交会可以区分岩性,P波阻抗和孔隙度交会可以区分储层,储层和流体因子λ交会可以区分储层的含油气性。通过反演结果提取了研究区沙河子组的含油气储层平面特征和剖面特征,其预测结果与实钻结果一致,证明了叠前弹性参数同时反演对预测含油气性具有较好的实用性。 相似文献
6.
7.
近些年来,深度学习网络的兴起极大地推动了人工智能技术在地震数据处理、反演以及解译等领域的应用.地震波阻抗反演是石油地震勘探领域的一项关键技术,其反演精度在圈定油气储层构造中起到非常重要的作用.提出了一种基于数据驱动时间卷积网络（temporal convolution network,TCN）模型的地震波阻抗反演方法,旨在无需建立初始反演模型,直接利用工区的少量测井标签数据,以地震振幅数据为输入,将波阻抗反演转化为时间序列建模任务,最终输出地下模型的阻抗信息.采用Marmousi2数据集对基于TCN的波阻抗反演模型进行训练、验证和测试,结果显示,在测试集上该模型预测结果的皮尔逊系数和决定系数分别达到97.92%和95.95%,并对远离训练区域的波阻抗信息预测有着良好的泛化性,且在预测时间和预测精度等方面都要明显优于前人的相关研究工作.上述结果表明,TCN时间序列深度学习模型在复杂地层波阻抗反演中具有一定优越性和应用前景,为地震波阻抗反演提供了新思路. 相似文献
8.
饱水白云岩临界点、骨架和流体弹性参数的数值计算 总被引：2，自引：2，他引：0
基于临界孔隙度模型,提出了用岩石的整体弹性信息反演求取临界点、流体和骨架等局部弹性参数的数值计算方法和双向线性回归计算公式;结合饱水白云岩的样品测试数据,以孔隙度为自变量和因变量,对密度和密度与纵、横波速度平方的乘积分别进行了数值计算。以测试样品的整体信息求得其临界点、流体和骨架弹性参数值,并与实测数据做了相关性分析,其相关系数高达90%,充分表明数值计算公式的正确性和实现方法的有效性。岩石骨架、流体弹性参数的数值反演计算在油气勘探领域中具有巨大潜力,运用测井曲线和地震数据,可以反演求出岩石孔隙中流体弹性参数(密度、速度),对直接指示油层、气层起到重要作用。 相似文献
9.
用遗传算法反演各向异性介质弹性参数 总被引：3，自引：1，他引：2
研究了用遗传算法来反演各向异性介质的弹性常数。首先概述遗传算法的基本原理,然后以横向各向同性介质的一维模型反演为例,重点讨论了交换概率、更新概率、变异概率和控制温度对反演收敛速度的影响。为改进收敛性能,反演中利用模拟退火法中的控制温度对目标函数作尺度变换,并采用了层剥离技术。对有噪及二维情形也作了考虑。计算表明遗传算法反演是一种良好的非线性反演方法。 相似文献
10.
叠前地震反演是目前应用于流体识别的主要技术,但在具体研究区储层地质地震特点的应用过程中,存在岩石物理基础研究薄弱、多解性等问题。为提高流体地震识别精度,以KD地区为例,开展了陆相碎屑岩典型储层的岩石物理基础、叠前地震反演技术研究及应用。利用河道砂岩实验室岩石物理测试数据,分析了岩性、物性及孔隙流体对岩石物理参数的影响;基于弹性阻抗方程,通过弹性参数直接反演获取对储层流体敏感的参数,对KD地区河道砂岩储层进行了流体识别,提高了流体地震识别精度,取得了较好的地质效果。 相似文献
11.
高斯过程回归（GPR）是一种基于贝叶斯理论的监督学习算法,在基于数据驱动（DDM）的模型结构不确定性分析中具有广泛应用。目前研究中通常假设物理参数和超参独立并进行联立识别,这会导致参数补偿。文章提出两步识别DDM量化模型结构误差,并通过2个地下水模型案例,分别在不考虑模型结构误差、考虑模型结构误差（联立识别DDM、两步识别DDM）的情况下,对比分析了参数识别和模型预测结果。结果表明,不考虑模型结构误差直接进行参数识别时,为补偿结构误差,物理参数会过度拟合,从而影响模型预测效果。基于DDM刻画模型结构偏差时,物理参数和超参的独立性假设会影响参数识别结果。提出的两步识别DDM法没有假设物理参数和超参独立,能够减少参数过度拟合效应,从而更准确刻画结构误差,有效提高了模型的预测性能。 相似文献
12.
13.
针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。 相似文献
14.
以大连某实际工程作为研究场地,室内试验与原位测试所得碎石土地基物理力学参数与实测所得强夯处理沉降量作为样本,通过BP神经网络对样本的训练、学习,建立地基土力学参数与强夯处理的沉降量之间的映射关系,利用所得映射关系对场地实测的沉降量进行物理力学参数的反演分析。结果表明:经过训练的神经网络模型可快速得出所需参数,利用flac3d以反演所得参数进行计算,模拟沉降量与实测沉降量的误差为4.87%,在可接受的范围之内;基于神经网络的位移反分析方法可以省去繁琐的测试工作,但该方法的实现需要有充足的样本数据作为支撑。 相似文献
15.
BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。 相似文献
16.
A direct inversion scheme for deep resistivity sounding data using artificial neural networks 总被引：1，自引：0，他引：1
Initialization of model parameters is crucial in the conventional 1D inversion of DC electrical data, since a poor guess may
result in undesired parameter estimations. In the present work, we investigate the performance of neural networks in the direct
inversion of DC sounding data, without the need ofa priori information. We introduce a two-step network approach where the first network identifies the curve type, followed by the
model parameter estimation using the second network. This approach provides the flexibility to accommodate all the characteristic
sounding curve types with a wide range of resistivity and thickness. Here we realize a three layer feed-forward neural network
with fast back propagation learning algorithms performing well. The basic data sets for training and testing were simulated
on the basis of available deep resistivity sounding (DRS) data from the crystalline terrains of south India. The optimum network
parameters and performance were decided as a function of the testing error convergence with respect to the network training
error. On adequate training, the final weights simulate faithfully to recover resistivity and thickness on new data. The small
discrepancies noticed, however, are well within the resolvability of resistivity sounding curve interpretations. 相似文献
17.
针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法-自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。 相似文献
18.
The geoacoustic parameters form significant input for underwater acoustic propagation studies and geoacoustic modeling. Conventional
inversion techniques commonly used as indirect approach for extraction of geoacoustic parameters from acoustic or seismic
data are computationally intensive and time-consuming. In the present study, we have tried to exploit the advantage of soft
computing techniques like, reasoning ability of fuzzy logic and learning abilities of neural networks, in inversion studies.
The network model based on the combined approach called adaptive neuro-fuzzy inference system (ANFIS), is found to be very
promising in inversion of the acoustic data. The network model once built is capable of invert a few thousand data sets instantaneously,
to a reasonably good accuracy. In the case of conventional approaches, repetition of the entire inversion process with each
new data set is required. A limited number of sensor’s data are sufficient for simulation of the network model and provides
an advantage to use short hydrophone array data. Inversion results of a few hundred test data sets, representing different
geoacoustic environments, show the prediction error is much less than 0.01 g/cc, 10 m/s, 10 m and 0.1 against first layer’s
density, compressional sound speed, thickness and attenuation respectively for a three-layer geoacoustic model. However, the
error is relatively large for the second- and third-layer parameters, which need to be improved. The model is efficient, robust
and inexpensive. 相似文献
19.
本文研究了利用阻抗信息进行可控源电磁勘探有限内存拟牛顿法三维反演的技术。首先用理论模型来验证有限内存拟牛顿法反演的准确性和可行性。观测参数为复阻抗Zxy分量,采用交错网格有限差分方法计算模型响应,反演采用有限内存拟牛顿法。数值模拟结果表明：有限内存拟牛顿法反演迭代速度较快,每4 min迭代一次,拟合差由146.00下降到1.78,收敛稳定;异常体的位置与理论模型吻合较好,有效地验证了有限内存拟牛顿法可控源三维反演的正确性。为了进一步验证该方法的实用性,将其应用到隐伏钼矿可控源电磁勘探工作中。工区的反演结果显示：在工区北西段深部存在高阻异常,其上为低阻异常。截取过钻孔的3号测线发现,-500~-100 m的位置表现为低阻,东侧存在向上涌起的高阻。推测此低阻为矿化蚀变带,延伸较深。该异常与钻探资料揭示的钼矿脉一致,证明了反演结果的准确性。因此,利用可控源观测得到的阻抗信息进行有限内存拟牛顿法三维反演,可以获得可靠的三维电阻率分布。 相似文献