Yang Shucai 2015年九月，Petrel 2015 版本
多年来人工神经网络技术在储层预测，油气藏描述中起着重要的作用。其基本算法概念是模拟人类大脑对朴捉到的多现象，多信号进行快速识别（训练的过程）以实现模糊分类和估计，比如对多种物体相似颜色，相似形状的区分等。单一的地震属性对储层岩性和物性的反映往往有偏差，多属性参数分析能减少这种偏差。PETREL软件中的训练和估计（Train & Estimation）模块就是应用人工神经网络技术分别对以测井曲线，层面地震属性，地震体为输入的系统进行模糊聚类和预测估算，为地学人员提供方便的解释工具。下面我以地震层面和属性体为输入数据分别介绍模糊聚类。
对于地震属性，我们主要以分类为主，分类从方式上又分为监督(supervised)和非监督(unsupervised) 两种。前者需要给出训练的样点位置，比如穿透厚砂层井点，薄砂层段井点或者无砂层的井点，一般在详探或滚动勘探开发阶段；而后者无需已知井点，只要告诉系统分几类即可，一般在勘探阶段使用。
（一） 地震反射层面地震属性的平面分类方法（监督方法）
1. 沿地震储层顶（HOUSTON_TOP）提取若干地震属性，将结果存储在新层面New horizon下，见下图
将计算结果可以同时显示在PLOT窗口里可观察
2. 把井点显示到平面底图上，通过对各口井目标层段测井曲线岩相的计算分析，分别赋予不同的数码比如0代表厚砂层，1代表薄互层，2代表泥岩或页岩。在这里建议在井点附近数字化几个代表的点子(Points data), 然后插入一离散属性，在Spreadsheet里键入0，1，和2. 见下图
3. 打开 Neural Net 界面，按下图设定各选项。
注意选择CLASSFICATION，Training points, 将上一步生成的Points1拉进来；
在Setting里选上Supervised，注意Points1的属性Discrete将自动选上。见下图
按APPLY后，计算结果将挂在地震层位New horizon下面。缺省名一般是General discrete[Neural net x]，即分类结果。
通常每个类别都会伴随生成相应的概率图，如下图为Class0的概率图。
二，地震反射层面地震属性的平面分类方法（非监督）
非监督的分类相对比较简单，只要计算出储层顶面的多个地震属性既可进行，而不需要指定训练点子，选All Data即可。
1. 打开 Neural Net 界面，按下图设定各选项，注意选择unsupervised并且给出要分几类，我们这个列子是分三类。这取决于你的解释目标和任务和地震地质特征。
按APPLY，完成计算。计算结果将挂在地震层位New horizon下面，我们可以检查分类结果
同样各类别相关的概率图也将生成，见下图。
三，地震数据的多属性体聚类分析
此类计算由于涉及到整个数据体，非目标储层的信息参与进来往往对储层的分类结果有影响，建议在分类前可用目标层段的顶底层面将原始地震体进行切割，再计算地震属性，最后进行聚类计算。
1. 切割原始地震体
可应用Petrel特有的地震计算器(Seismic Calculator)进行切割，见以下公式：
切割后形成的数据体是虚拟的，在地震文件夹里用一个小计算器图标指示
现在我们可以计算多个地震属性体，细节不在累赘，结果如下显示
2. 打开 Neural Net 界面，按下图设定各选项。注意TrainingData选Intersection比较合适，挑穿越地质目标的典型剖面。
按APPLY键，计算结果将也是一虚拟地震数据体，其数值是离散型的(0,1,2)。见如下显示结果。注意，可以将该虚拟体转成(realize)ZGY实体，以便快速浏览。
最后，建议用储层顶面将数据体进行层拉平，这样显示的水平切片将是平行于顶面的，以便对储层内部进行观察分析，见下图。
至此，整个地震数据模糊分类工作流介绍完毕。下面是Input Pane中地震文件夹里整个过程产生的数据体结构。
|Archiver|手机版|小黑屋|阳光石油网
( 鲁ICP备2021003870号-1 )
发表于 2015-9-28 17:31:53
置顶卡
变色卡
千斤顶
显身卡
发表于 2015-9-29 10:17:40
