多频褶积神经网络反演方法研究

发布时间：2021-04-12 06:41

　　随着地震勘探精细化要求的不断提高,薄层及横向变化大的复杂储层反演技术越来越重要。而当前的反演方法大多数都基于褶积模型,其分辨率较低,复杂储层的精细表征,例如寻找碎屑岩薄互层、非均质碳酸盐岩储层等,需要高分辨率的地震反演结果。目前业界广泛应用的以地震资料为硬数据的稀疏脉冲反演方法,其纵向分辨率达不到此类储层精细表征的要求;以测井资料为硬数据的随机反演方法虽然反演剖面的纵向分辨率很高,但横向展布和地层产状的变化与地震剖面有较大出入,并没有得到推广。所以,如何提高反演结果的分辨率,成为亟待解决的问题之一。神经网络作为解决非线性映射问题的算法之一,可以充分挖掘地震数据中包含的地层岩性及物性信息,从而建立起地震数据和储层物性参数之间的非线性映射关系。而目前在地震反演中使用的神经网络算法,其输入输出之间的映射关系为内积算子,制约了反演结果的分辨率。本论文在其基础之上,将褶积映射算子引入到神经网络结构中,替代了原先的内积算子,更大限度地建立起输入参数与输出参数之间的联系。基于褶积神经网络结构,给出了映射算子的优化算法,并将其应用到地震反演过程中,该反演方法由地震数据驱动,不受褶积模型的限制,提高了反... 

【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

多层前馈神经网络结构图

第二章 褶积神经网络反演其分辨出来。也就是说，在含噪音 10%情况下，褶积神经网络反演方法正确地反映出原始波阻抗模型的形态。在无噪地震剖面中加入 20%的噪音，如图 2-14 所示，其常规稀疏脉冲反神经网络反演结果分别如图 2-15 和 2-16 所示。

个过完备的时频原子库，并将信号在此原子解。但该方法存在计算量庞大的缺点，另外子库的规模相应的变得更大，从而限制了匹保分解精度的前提下，如何提高匹配追踪分原理心思想是在某个有限维数的 Hilbert 空间 ，其中 g1 ，将信号 f 分解为沿着单位分量的和：1 11f f ,g g R f 方向投影后的残差信号，如下图所示：


本文编号：3132826