应用多属性神经网络方法预测油气

doi:10.3969/j.issn.1673-8926.2010.03.023

岩性油气藏 ›› 2010, Vol. 22 ›› Issue (3): 118–120.doi: 10.3969/j.issn.1673-8926.2010.03.023

应用多属性神经网络方法预测油气

侯斌，桂志先，许辉群，何加成

长江大学油气资源与勘探技术教育部重点实验室

出版日期:2010-09-15 发布日期:2010-09-15
第一作者:侯斌，1984 年生，男，长江大学在读硕士研究生，研究方向为储层预测。地址：（434023）湖北省荆州市长江大学地物学院。Email：30373984@qq.com

Application of multi-attribute and neural network method to hydrocarbon reservoir prediction

HOU Bin， GUIZhixian， XU Huiqun， HEJiacheng

Key Laboratory of Exploration Technologies for Oil and Gas Resources， Ministry of Education， Yangtze University， Jingzhou 434023, China

Online:2010-09-15 Published:2010-09-15

摘要/Abstract

摘要：

地震属性包含的地球物理信息十分丰富，但地震属性种类繁多，并且与储层特征对应关系复杂，单属性分析难以确保预测的准确性。人工神经网络方法具备较强的非线性映射能力，使用该方法可以综合利用多属性进行油气预测，提高预测精度。该文采用梯度下降神经网络算法，避免陷入局部极小值，有效加快网络收敛速度，使网络达到全局最优，提高了预测效果。

关键词: 地震成藏学, 低饱和度岩性气藏, 地震成藏单元, 岩石物理模拟

Abstract:

Seismic attributes contain abundant geophysical information. There are so many seismic attributes and the relationship between attributes and reservoir characteristics is complicated. Single attribute analysis cannot assure the prediction accuracy. Artificial neural network technology has strong nonlinearmapping ability, so it can be applied to improve hydrocarbon prediction accuracy. The gradient descent learning algorithm is used in neural network. It can avoid local minimum and effectively speed up the network convergence to achieve the global optimal network and improve its forecasting performance.

Key words: seismic-petroleum accumulation science, low saturation lithologic gas reservoir, seismic-petroleum accumulation unit, rock physics modeling

侯斌，桂志先，许辉群，何加成. 应用多属性神经网络方法预测油气[J]. 岩性油气藏, 2010, 22(3): 118–120.

HOU Bin， GUIZhixian， XU Huiqun， HEJiacheng. Application of multi-attribute and neural network method to hydrocarbon reservoir prediction[J]. Lithologic Reservoirs, 2010, 22(3): 118–120.

参考文献

［1］朱广生，刘瑞林，编译. 人工神经网络———勘探地球物理学家的工具［J］.国外油气勘探，1993，5（2）：155-173.
［2］熊翥. 21 世纪中期油气地球物理技术展望［M］.北京：石油工业出版社，2006：117-150.
［3］赵政璋，赵贤正，王英民.储层地震预测理论与实践［M］.北京：石油工业出版社，2005：207-231.
［4］陈遵德.储层地震属性优化方法［M］.北京：石油工业出版社，1996：13-17.
［5］李庆忠.岩性油气藏地震勘探若干问题探讨［J］.岩性油气藏，2008，20（2）:1-5.
［6］刘伟方，段永华，高建虎，等.利用地震属性预测碳酸盐岩储层［J］.岩性油气藏，2007，19（1）：101-104.
［7］熊翥.地层岩性油气藏勘探［M］.岩性油气藏，2008，20（4）：1-8.
［8］赵力民. 波形分类技术在隐蔽油藏预测中的应用［J］.石油勘探与开发，2001，28（6）：53-55.
［9］边立恩，贺振华，黄德济.饱含流体介质的地震波场特征及频率分布［J］.岩性油气藏，2008，20（3）：74-78.
［10］曹卿荣，李佩，孔凯，等.应用地震属性分析技术刻画河道砂体［J］.岩性油气藏，2007，19（2）：93-96.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	魏钦廉, 郑荣才, 肖玲, 王成玉, 牛小兵. 鄂尔多斯盆地吴旗地区长6 储层特征及影响因素分析[J]. 岩性油气藏, 2007, 19(4): 45 -50 .
[2]	王东琪, 殷代印. 水驱油藏相对渗透率曲线经验公式研究[J]. 岩性油气藏, 2017, 29(3): 159 -164 .
[3]	李云，时志强. 四川盆地中部须家河组致密砂岩储层流体包裹体研究[J]. 岩性油气藏, 2008, 20(1): 27 -32 .
[4]	蒋韧，樊太亮，徐守礼. 地震地貌学概念与分析技术[J]. 岩性油气藏, 2008, 20(1): 33 -38 .
[5]	邹明亮，黄思静，胡作维，冯文立，刘昊年. 西湖凹陷平湖组砂岩中碳酸盐胶结物形成机制及其对储层质量的影响[J]. 岩性油气藏, 2008, 20(1): 47 -52 .
[6]	王冰洁，何生，倪军娥，方度. 板桥凹陷钱圈地区主干断裂活动性分析[J]. 岩性油气藏, 2008, 20(1): 75 -82 .
[7]	陈振标，张超谟，张占松，令狐松，孙宝佃. 利用NMRT₂谱分布研究储层岩石孔隙分形结构[J]. 岩性油气藏, 2008, 20(1): 105 -110 .
[8]	张厚福，徐兆辉. 从油气藏研究的历史论地层-岩性油气藏勘探[J]. 岩性油气藏, 2008, 20(1): 114 -123 .
[9]	张　霞. 勘探创造力的培养[J]. 岩性油气藏, 2007, 19(1): 16 -20 .
[10]	杨午阳, 杨文采, 刘全新, 王西文. 三维F-X域粘弹性波动方程保幅偏移方法[J]. 岩性油气藏, 2007, 19(1): 86 -91 .

应用多属性神经网络方法预测油气

Application of multi-attribute and neural network method to hydrocarbon reservoir prediction

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

Metrics

本文评价

推荐阅读 10

[1]	杨杰，卫平生，李相博. 石油地震地质学研究新进展———“2011年石油地震地质学学术研讨会”侧记[J]. 岩性油气藏, 2012, 24(1): 1-6.
[2]	郑红军，曹正林，阎存凤，徐子远，孙松领. 利用地震岩石物理模拟预测三湖地区生物气成藏单元[J]. 岩性油气藏, 2010, 22(4): 20-24.