小波模糊神经网络在复杂岩性储层参数预测中应用

《小波模糊神经网络在复杂岩性储层参数预测中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第1章引言属性优化方法等。大量新属性的出现，引起了多属性联合分析(用聚类、神经网络或协方差等方法)的流行。利用地震属性分析技术进行储层预测的主要的工作方法如下：11收集测井、钻井、测试、地质录井、地震等资料，进行精细的层位标定和精细地震资料解释，为参数提取和计算提供可靠的层位数据；21利用合成地震记录、测试、测井、钻井等资料，综合标定含油、气、水等储层的位置，为后续参数分析提供依据；3)通过直方图分析，确定相对独立的各种能够反映储层含油气性的地震参数，进一步确定参数的数值范围，以及与含油气储层、非含油气储层的对应关系；4’l选取与油气相关又相对独立的参数，进行二维或三维交会，选择有利的参

2、数组合进行聚类分析，并将相应的预测结果展现在平面图上，通过判断已知井的吻合率，来判别参数选择的优劣。5．)综合考虑地质、录井、测井、测试和岩性等资料，预测储层含油气的范围。八十年代初期，模式识别技术得到极大关注，由此先后出现了模糊模式识别、统计模式识别、神经网络模式识别等储层预测技术【引。九十年代，分形理论和灰色理论成为储层预测方法的热潮。各种方法各有优劣，诸如，利用分形分维技术追踪含油气砂层和预测小断层及缝隙发育带，采用模式识别神经网络进行岩性识别【6

3、、储集层油气检测和含油气范围判别，小波变换用于提高地震信号的分辨率，混沌反演等在实际应用中取得较好的效果。随着研究和认识的不断深入，非

4、线性方法在研究复杂对象、解决复杂问题等方面较之常规方法越来越显示出自身的优势，这一点己得到石油物探界的共识17J。在用于储层预测的非线性方法中，神经网络是一种比较成熟也是用得较多的一种方法。如文献【8】提出了应用改进的神经网络学习方法预测储层参数，将有全局寻优特性的模拟退火算法和快速收敛的局部寻优变尺度算法有效地结合，提出了一种快速、高效的前向网络混合学习策略来训练网络。文献f91提出由自组织神经网络和BP网络组成的双重神经网络用于储层预测等。这些方法都是针对神经网络的不足之处加以改进。本文采用将模糊模型引入小波网络的小波模糊神经网络(W烈)用于储层的横向预测。1．2．2小波模糊神经网络

5、的国内外研究现状神经网络系统理论的发展，经过了三个发展阶段，从1943年神经网络的提出到20世纪60年代为初级阶段，由于计算机技术问题，60年代到70年代为停滞阶段，从80年代开始，是神经网络系统理论发展的黄金时期，因其较快的速度，非常强的容错性和十分强大的学习功能，应用领域也越来越广泛，90年代中期是神经网络系统理论的稳健发展时期，但也还有很多尚未解决的问题，如海量神经元数目的网络连线问题，多层感知器的学习算法问题、Hopfield网络的假3成都理工大学硕士学位论文吸引点问题、大量工程应用中提出的神经网络模型的中的学习算法问题等，都迫切需要解决。小波的概念是由法国的从事石油勘测信号处理

6、的地球物理学家Morlet于1984年提出的。他在分析地震波的时频局部特征时，希望使用在高频处时窗变窄，低频处频窗变窄的自适应变化。但Fourier变换很难满足这一要求，随后他引入了高斯余弦调制函数，将其伸缩和平移得到一组函数系，它后来被称之为“Morlet小波基’’。1986年Jafferd、kmavie和Meyer与从事信号处理的Mallat合作指出小波正交基的构造可纳入一个统一的框架，引入了多分辨分析的概念，统一了前人构造的具体小波，并给出了构造正交小波基的一般方法。Mallat还在Bnlt和Adelosn的塔式分解算法启发下，提出了小波变换的快速分解与重构算法，现在称之为Mall

7、at算法。该算法在小波分析中的地位相当于FFT在Fourier变换中的地位。后来，该方法成功地应用于图像的分解与重构。在用于时频分析时，希望小波具有紧支撑，1988年，Daubechies首先构造了紧支撑光滑小波，从此，小波分析理论得到了系统化。虽然小波正交基用途广泛，但也存在着不足。其一是小波正交基的结构复杂，其次具有紧支撑的小波正交基不可能具有对称性。因此，它用作滤波器不可能有线性相位，从而产生信号的重构失真。为了解决此类问题又产生了所谓正交小波基理论。在实际应用中，人们还构造了周期小波和多元小波等。近年来，小波分析己深入到非线性逼近、统计信号处理等领域。由此可见，小波理论及应用正在

8、逐步发展和完善。小波分析(WaveletsAmalysis)的基本思想是用一族函数去表示或逼近一函数或信号11¨，这族函数称为小波函数系，它是通过一母小波函数的平移和伸缩，对信号或函数进行处理多分辨率分析，从而在对信号，函数进行局部信息的提取，分析方面优势巨大。它在时域和频域同时具有良好的局部化性能，有一个灵活可变的时间．频率窗，这在理论和实用中都有重要的意义，已成功应用于逼近论、微分方程、分形识别、计算机视觉、非线性科学等方面。最