利用Kohonen 神经网络划分二维地震相&mdash;&mdash;&mdash;以柴达木盆地E区风险勘探为例

于雷; 陈建文; 李元; 李伟华; 陈振波

doi:10.3969/j.issn.1673-8926.2011.04.021

岩性油气藏 >

2011 , Vol. 23 >Issue 4: 115 - 118

DOI: https://doi.org/10.3969/j.issn.1673-8926.2011.04.021

技术方法

利用Kohonen 神经网络划分二维地震相———以柴达木盆地E区风险勘探为例

于雷 ,
陈建文 ,
李元 ,
李伟华 ,
陈振波

展开

1.西南石油大学资源与环境学院； 2.中国石油勘探开发研究院西北分院；3.中国石油长庆油田分公司勘探部

刘小洪，1980 年生，女，讲师，主要从事储层沉积学研究。地址：（610500）四川省成都市新都区新都大道8 号西南石油大学资源与环境学院。E-mail：liuxiaohong_swpu@163.com

网络出版日期: 2011-08-20

收起

Application of Kohonen neural network to 2D seismic facies division in E area of Qaidam Basin

YU Lei ,
CHEN Jianwen ,
LI Yuan ,
LI Weihua ,
CHEN Zhenbo

Expand

1. School of Resources and Environment， Southwest Petroleum University， Chengdu 610500， China； 2. Research Institute of Petroleum Exploration & Development-Northwest， PetroChina， Lanzhou 730020， China； 3. Department of Exploration， Changqing Oilfield Company， PetroChina， Xi’an 710018， China

Online published: 2011-08-20

Fold

摘要

为研究柴达木盆地E 区大型背斜构造沉积相及砂体展布规律，在二维地震数据闭合差校正、邻区井标定引入及精细层位解释基础上，利用改进算法的Kohonen 神经网络技术开展二维地震相划分研究，识别出三角洲前缘水下分流河道、分流间湾及滩坝等微相。本文研究认为，研究区古流向为南东—北西向，储集砂体较发育，主要富集于研究区中部，现今构造东高点位于有利沉积相带。改进算法的Kohonen 神经网络二维地震相划分技术补充了沉积相研究成果，适合于西部二维地震资料覆盖的风险探区，具较强的推广价值。

关键词： 长4+5 储层; 超低渗透; 裂缝; 姬塬油田

本文引用格式

于雷 , 陈建文 , 李元 , 李伟华 , 陈振波 . 利用Kohonen 神经网络划分二维地震相———以柴达木盆地E区风险勘探为例[J]. 岩性油气藏, 2011 , 23(4) : 115 -118 . DOI: 10.3969/j.issn.1673-8926.2011.04.021

Abstract

The situation ofE area is hard to proceed deep research and risk assessment by the absent of prospecting well data. Based on seismic mis-tie calibration, adjacent well calibration and fine horizon interpretation, Kohonen neural network method is applied to carry out two-dimensional seismic facies classification of target zone.Microfacies of delta front such as distributary channel, interdistributary bay and sand bar are recognized. The paleocurrent direction is suspected from southeast to northwest. Reservoir sand bodies developed well in the middle of the study area, preliminary prospecting well is located in favorable sedimentary facies. Sedimentary facies division are supplied and refined by the result of seismic facies，which can supply significant foundation for geometric arrangement of risk wells and regional breakthrough.

Key words： Chang4+5 reservior; ultra-lowpermeability; fracture; Jiyuan Oilfield

参考文献

［1］ Ediriwickrema J，Khorram S. Hierachical Maximum Likelihood Classification for Improved Accuracies［J］. IEEE Transon Geoscience and Remote Sensing，1997，35（4）：810-816.
［2］ Essenreiter R，Karrenbach M，Treitel S. Identification and classification of multiple reflections with self-organizing maps［J］. Geophysical Prospecting，2001，49（3）：341-352.
［3］ Baan M V D，Jutten C. Neural networks in geophysical applications ［J］. Geophysics，2000，65（4）：1 032-1 047.
［4］ Taner M T，Berge，Walls J D，et al. Well log calibration of kohonenclassified seismic attributes using bayesian logic ［J］. Journal of Petroleum Geology，2001，24（4）：405-416.
［5］邓传伟，李莉华，金银姬，等.波形分类技术在储层沉积微相预测中的应用［J］.石油物探，2008，47（3）：262-265.
［6］孙勤华，刘晓梅，刘建新，等.利用波形分析技术半定量预测塔中碳酸盐岩储层［J］.岩性油气藏，2010，22（1）：101-103.
［7］王宏斌，张虎权，卫平生，等.碳酸盐岩地震储层学在塔中地区生物礁滩复合体油气勘探中的应用［J］.岩性油气藏，2010，22（2）：18-23.
［8］侯斌，桂志先，许辉群，等.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.
［9］卫平生，潘建国，张虎权，等.地震储层学的概念、研究方法和关键技术［J］.岩性油气藏，2010，22（2）：1-5.
［10］杨杰，卫平生，李相博.石油地震地质学的基本概念、内容和研究方法［J］.岩性油气藏，2010，22（1）：1-6.
［11］ Kohonen T. The Self-organizing maps ［J］. Proceedings of the IEEE，1990，78（9）：1 464-1 480.
［12］宋成鹏，张晓宝，汪立群，等.柴达木盆地北缘天然气成因类型及气源判识［J］.石油与天然气地质，2009，31（1）：90-96.
［13］罗群，黄捍东，李玉喜.柴达木盆地北缘浅层滑脱断裂下盘油气富集规律及控藏模式［J］.中国石油大学学报：自然科学版，2009，51（3）：34-38.
［14］沈亚，陈元忠，孙维军，等.柴达木盆地地震地质研究新进展［J］.石油地球物理勘探，2008，43（S1）：146-150.
［15］陈迎宾，张寿庭，万传治，等.柴达木盆地鄂博梁Ⅲ号构造地震低速异常识别及成因探讨［J］.地球物理学进展，2008，23（6）：1 894-1 902.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献