基于地震属性的储层预测方法——以永安地区永3区块沙河街组二段为例

针对永安地区永3区块沙二下段沉积微相和砂层厚度特征,提出了利用地震数据进行目标属性预测的新方法。传统的储层预测方法通过单属性简单交汇进行,预测精度较低。概率神经网络首先通过选取褶积算子解决测井参数与地震数据之间不等频现象,并利用交叉验证法检验储层预测结果的可靠性。交叉验证过程中,将测井数据分为训练数据组和验证数据组两部分,训练数据组用来进行属性转换,验证数据组用来验证结果的预测误差。对属性进行变换时,用校验误差来衡量属性变换和选取的有效性。在此基础上提取出对孔隙度敏感的5种属性。通过预测误差和校验误差计算及预测孔隙度和实际孔隙度值的相关性分析,对预测精度进行评价。最后利用PNN神经网络对永安地...

Full description

Saved in:
Bibliographic Details
Published inHăiyang dĭzhĭ yu dĭsĭjĭ dĭzhĭ Vol. 29; no. 6; p. 95
Main Authors GONG Jian, XU, Shumei, MA, Yun, YU, Jianguo, WANG Jinduo
Format Journal Article
LanguageChinese
Published Beijing Marine Geology and Quaternary Geology 01.01.2009
Subjects
Datasets
Error analysis
Methods
Neural networks
Porosity
Predictions
Reservoirs
Sand
Sedimentary facies
Seismic data
Thickness
Training
Online AccessGet full text

Cover

More Information
Summary:针对永安地区永3区块沙二下段沉积微相和砂层厚度特征,提出了利用地震数据进行目标属性预测的新方法。传统的储层预测方法通过单属性简单交汇进行,预测精度较低。概率神经网络首先通过选取褶积算子解决测井参数与地震数据之间不等频现象,并利用交叉验证法检验储层预测结果的可靠性。交叉验证过程中,将测井数据分为训练数据组和验证数据组两部分,训练数据组用来进行属性转换,验证数据组用来验证结果的预测误差。对属性进行变换时,用校验误差来衡量属性变换和选取的有效性。在此基础上提取出对孔隙度敏感的5种属性。通过预测误差和校验误差计算及预测孔隙度和实际孔隙度值的相关性分析,对预测精度进行评价。最后利用PNN神经网络对永安地区永3区块沙二下段砂层进行储层物性预测,获得了目标地层的主要储层物性参数,取得了良好的预测效果。
ISSN:0256-1492
DOI:10.3724/SP.J.1140.2009.06095