基于HHT和神经网络的油气储层信息提取研究与应用
发布时间：2022-02-10 09:26
地震信号是复杂的非线性非平稳信号,其时频属性包含丰富的地层信息,已被证实可反映碳酸盐岩储层的特征。时频分析方法把一维时间信号投映至二维时间频率空间,能够刻画信号在局部范围内的时间、频率特征,是分析非线性非平稳信号的有效方法。Huang等基于信号自身的特点和约束条件定义,开创了完整的希尔伯特-黄变换（HHT）方法体系。它可以对信号进行高精度时频分解,从而进行储层预测,但模态混叠、终点效应、谱分析奇异值等限制了其应用。本文对HHT方法中存在的缺陷进行系统改进,获取川西地区地震数据的低频阴影剖面,对目标区域的储层特性和含气特征进行预测。并结合测井评价,应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。概括起来,本文研究的主要内容如下:（1）在对比短时傅里叶变换、Wigner-Ville分布、小波变换、S变换等传统时频分析工具的基础上,引入HHT方法对非线性非平稳信号进行处理。系统分析HHT方法基本原理、本征模态函数（IMF）约束定义、经验模态分解（EMD）筛分过程和希尔伯特变换（HT）提取IMF瞬时属性的方法,突出HHT在时间域、频率域都能达到高精度的优势。（2）逐一分析HHT方法中存...
【文章来源】：成都信息工程大学四川省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
解析信号的瞬时属性对于任意一个信号，都可以根据式（2-18）求出其瞬时频率
成都信息工程大学硕士学位论文第13页共54页图2-5Hilbert谱（a.IMF1b.y(t)）图2-5（a）中，横纵坐标各自对应时间t和IMF1在t时刻的瞬时频率f1(t)，颜色的深浅对应IMF1在该时刻的振幅a1(t)，表示信号能量的强弱。图2-5（b）中，经过HHT，信号被分为三个主要的分量，在图中由上至下依次对应频率在40Hz、15Hz、5Hz左右。而其颜色主体分别为绿色、红色、蓝色，对应的振幅分别在0.4、1、0.05左右。Hilbert谱清晰地展现了原时间序列各组成成分的局部时间频率细节。由于EMD得到的各IMF具备准正交性，但并非是完全正交的，不满足Bedrosian理论和Nuttall理论的限定，求取的瞬时频率仍可能出现突变或负值[45]。有关理论和改进方法将在下一章中研究。完整的HHT过程如图2-6所示。任意一个信号经过EMD获取IMF后都可以通过HSA求出其瞬时属性，得到Hilbert谱。Hilbert谱可以反映信号的频率随时间变化的情况，展现信号局部在时间频率空间内的能量分布状况。图2-6HHT方法基本流程2.3时频分析方法的比较以下采用不同时频工具对模拟地震波投映的能量分布特征做出分析。地震信号由地震子波组成。地震子波受地下介质多样分布的影响，振动是非周期的，属性十分繁复。为了研究方便，采用由Ricker提出的雷克子波数学模型202()0()[12()]ftRtfte（2-26）模拟地震子波。式中f0为子波的主频。模拟信号长5s，在0.07s、0.25s、0.27s、0.4s处叠加了4个主频分别是40Hz、70Hz、70Hz、120Hz的雷克子波，采样频率为100Hz。模拟子波及不同方法分析其时间频率空间内的能量分布结果参见图2-7。AmpAmp
3.2.1 终点效应 EMD 的另一个突出问题是终点效应。终点效应的产生与 EMD 的分解原理有关。EMD 在求取信号的包络线时是以极值点为基础的，而在信号首尾两个终点处，默认其终点就是极值点。然而实际信号的终点处往往仍处于上升或下降的区间内，以此为极点拟合的包络与实际包络之间存在误差。经过多轮迭代，导致最终的分解结果不够理想，即产生了终点效应。 图 3-5 直观说明了终点效应的产生。原始信号在终点处存在不符合实际情况的“伪极值点”。将原始信号在两端终点处的值作为极值点绘制的上包络线和对原始信号前后终点进行延拓绘制的上包络线在两个终点附近处有显著的差异。
【参考文献】：
期刊论文
[1]BP神经网络在复杂储层流体识别中的应用[J]. 王少龙,杨斌,赵倩,魏杰. 石油化工应用. 2018(07)
[2]基于MEEMD组合模型的汇率预测[J]. 傅魁,郭志颖. 统计与决策. 2018(11)
[3]基于经验模态分解和BP神经网络的地铁沉降预测模型研究[J]. 王昭斌,胡伍生,韩理想,夏晓明. 现代测绘. 2017(05)
[4]利用时频分析技术预测依拉克构造有利砂体分布[J]. 朱秋影,魏国齐,杨威,张福东,冉启贵,李德江. 石油地球物理勘探. 2017(03)
[5]聚合经验模态分解和小波变换相结合的地震信号衰减分析[J]. 薛雅娟,曹俊兴. 石油地球物理勘探. 2016(06)
[6]Hilbert-Huang变换联合平滑伪Wigner-Ville时频分布识别储层流体性质[J]. 王飞,边会媛,张永浩,段朝伟,陈刚. 石油物探. 2016(06)
[7]BP神经网络在低孔渗储层水淹层识别中的应用[J]. 牟立伟,张美玲,颜旭. 当代化工. 2016(07)
[8]改进的希尔伯特-黄变换在储层预测中的应用[J]. 梁岳,顾汉明,姚知铭. 石油物探. 2016(04)
[9]几种时频分析方法的比较和实际应用[J]. 刘海燕,田钢,石战结. CT理论与应用研究. 2015(02)
[10]基于EMD和BP网络的轴承故障诊断方法[J]. 张永建,孔祥振,张永超,路艳春,邢龙超,张小刚. 微型机与应用. 2014(04)
博士论文
[1]地震信号分数域属性分析及储层流体识别关键技术研究[D]. 王雨青.电子科技大学 2018
[2]高分辨率时频分析方法及其在储层预测中的应用研究[D]. 刘伟.中国石油大学(北京) 2016
[3]基于云模型的EMD相控测井储层预测研究[D]. 赵妮.成都理工大学 2016
硕士论文
[1]量子神经网络模型及在储层识别中的应用[D]. 李国蕊.东北石油大学 2017
[2]基于EMD样本熵和BP神经网络的乳化机故障诊断系统研究[D]. 孙曜文.杭州电子科技大学 2017
[3]地震属性中振幅和频率与油气层的关系[D]. 薛雪.中国地质大学（北京） 2014
本文编号：3618658
【文章来源】：成都信息工程大学四川省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
解析信号的瞬时属性对于任意一个信号，都可以根据式（2-18）求出其瞬时频率
成都信息工程大学硕士学位论文第13页共54页图2-5Hilbert谱（a.IMF1b.y(t)）图2-5（a）中，横纵坐标各自对应时间t和IMF1在t时刻的瞬时频率f1(t)，颜色的深浅对应IMF1在该时刻的振幅a1(t)，表示信号能量的强弱。图2-5（b）中，经过HHT，信号被分为三个主要的分量，在图中由上至下依次对应频率在40Hz、15Hz、5Hz左右。而其颜色主体分别为绿色、红色、蓝色，对应的振幅分别在0.4、1、0.05左右。Hilbert谱清晰地展现了原时间序列各组成成分的局部时间频率细节。由于EMD得到的各IMF具备准正交性，但并非是完全正交的，不满足Bedrosian理论和Nuttall理论的限定，求取的瞬时频率仍可能出现突变或负值[45]。有关理论和改进方法将在下一章中研究。完整的HHT过程如图2-6所示。任意一个信号经过EMD获取IMF后都可以通过HSA求出其瞬时属性，得到Hilbert谱。Hilbert谱可以反映信号的频率随时间变化的情况，展现信号局部在时间频率空间内的能量分布状况。图2-6HHT方法基本流程2.3时频分析方法的比较以下采用不同时频工具对模拟地震波投映的能量分布特征做出分析。地震信号由地震子波组成。地震子波受地下介质多样分布的影响，振动是非周期的，属性十分繁复。为了研究方便，采用由Ricker提出的雷克子波数学模型202()0()[12()]ftRtfte（2-26）模拟地震子波。式中f0为子波的主频。模拟信号长5s，在0.07s、0.25s、0.27s、0.4s处叠加了4个主频分别是40Hz、70Hz、70Hz、120Hz的雷克子波，采样频率为100Hz。模拟子波及不同方法分析其时间频率空间内的能量分布结果参见图2-7。AmpAmp
3.2.1 终点效应 EMD 的另一个突出问题是终点效应。终点效应的产生与 EMD 的分解原理有关。EMD 在求取信号的包络线时是以极值点为基础的，而在信号首尾两个终点处，默认其终点就是极值点。然而实际信号的终点处往往仍处于上升或下降的区间内，以此为极点拟合的包络与实际包络之间存在误差。经过多轮迭代，导致最终的分解结果不够理想，即产生了终点效应。 图 3-5 直观说明了终点效应的产生。原始信号在终点处存在不符合实际情况的“伪极值点”。将原始信号在两端终点处的值作为极值点绘制的上包络线和对原始信号前后终点进行延拓绘制的上包络线在两个终点附近处有显著的差异。
【参考文献】：
期刊论文
[1]BP神经网络在复杂储层流体识别中的应用[J]. 王少龙,杨斌,赵倩,魏杰. 石油化工应用. 2018(07)
[2]基于MEEMD组合模型的汇率预测[J]. 傅魁,郭志颖. 统计与决策. 2018(11)
[3]基于经验模态分解和BP神经网络的地铁沉降预测模型研究[J]. 王昭斌,胡伍生,韩理想,夏晓明. 现代测绘. 2017(05)
[4]利用时频分析技术预测依拉克构造有利砂体分布[J]. 朱秋影,魏国齐,杨威,张福东,冉启贵,李德江. 石油地球物理勘探. 2017(03)
[5]聚合经验模态分解和小波变换相结合的地震信号衰减分析[J]. 薛雅娟,曹俊兴. 石油地球物理勘探. 2016(06)
[6]Hilbert-Huang变换联合平滑伪Wigner-Ville时频分布识别储层流体性质[J]. 王飞,边会媛,张永浩,段朝伟,陈刚. 石油物探. 2016(06)
[7]BP神经网络在低孔渗储层水淹层识别中的应用[J]. 牟立伟,张美玲,颜旭. 当代化工. 2016(07)
[8]改进的希尔伯特-黄变换在储层预测中的应用[J]. 梁岳,顾汉明,姚知铭. 石油物探. 2016(04)
[9]几种时频分析方法的比较和实际应用[J]. 刘海燕,田钢,石战结. CT理论与应用研究. 2015(02)
[10]基于EMD和BP网络的轴承故障诊断方法[J]. 张永建,孔祥振,张永超,路艳春,邢龙超,张小刚. 微型机与应用. 2014(04)
博士论文
[1]地震信号分数域属性分析及储层流体识别关键技术研究[D]. 王雨青.电子科技大学 2018
[2]高分辨率时频分析方法及其在储层预测中的应用研究[D]. 刘伟.中国石油大学(北京) 2016
[3]基于云模型的EMD相控测井储层预测研究[D]. 赵妮.成都理工大学 2016
硕士论文
[1]量子神经网络模型及在储层识别中的应用[D]. 李国蕊.东北石油大学 2017
[2]基于EMD样本熵和BP神经网络的乳化机故障诊断系统研究[D]. 孙曜文.杭州电子科技大学 2017
[3]地震属性中振幅和频率与油气层的关系[D]. 薛雪.中国地质大学（北京） 2014
本文编号：3618658
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3618658.html
