谢黎明 曾楷 翟昆 曾成杰

【摘要】    针对地下储层井参数不足导致神经网络训练不充分，预测结果误差较大的问题。提出了基于地震相约束的高精度地震属性定量预测方法，即首先对地震多属性进行聚类得到地震相参数，再依据地质背景，开发动态资料和解释经验来分析数据间的关系，即地震相分析。然后依据地震相进行约束，弥补井参数的不足，从而更有效的监督训练神经网络，进行地震多属性的储层定量预测。该方法在DF1-1油田压力监测中取得了良好的应用结果。

【关键词】    地震相约束    地震属性    定量预测

引言：

地震属性分析结果一般可以划分构造、检测断层、预测岩性、表征储层参数、识别流体性质、监测油藏变化等。基于地震属性的储层预测根据其学习过程是否需要先验知识又可分为有监督和无监督两类。

模糊自组织神经网络（FSONN），是将模糊系统引入了自组织神经网络，使神经网络具有处理模糊信息的能力，其本质还是一种自组织神经网络。1987年，Kosko率先将模糊数学与神经网络相结合，提出了模糊神经网络的概念。径向基函数神经网络（RBFNN）是一种三层前向神经网络。它的隐层激活函数是一种径向对称的核函数。当输入样本传播到隐单元空间时，这组核函数构成了输入样本的一组“基”。因此，这种神经网络称为径向基函数神经网络。

地震属性的聚类分析就是利用FSONN神经网络将地震多属性映射成一个反映地震反射波综合特征的属性参数，又称为地震相分析。……