您的位置:网站首页 > 《中文科技期刊数据库》 > 自然科学 > 天文地球 > 摘要

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

《科学技术与工程》2019年 第25期 | 张健 薛雅娟 常强 张莉萍   成都信息工程大学通信工程学院 成都610225 中国石化地球物理重点实验室 南京210000
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。
【分 类】【天文学、地球科学】 > 地球物理勘探
【关键词】 BP神经网络 储层识别 经验模态分解 瞬时属性 分频剖面模型
【出 处】 《科学技术与工程》2019年 第25期 48-57页 共10页
【收 录】 中文科技期刊数据库