stratimagic属性合成及多属性地震相划分技术

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

PCA 主组份分析结果
地震振幅数 据体
波阻抗
主分1
孔隙度
倾角
PCA 分析
主分2
主分3
方位角
相干体
降维处理后从原来 的6个数据体中只 选取3个组分参与
最终的分类
关键技术- Zonation数据压缩技术
利用Zonation进行数据压缩 层段厚度比较大时,可以利用Zonation将其分成很多的小层,由用户指定的唯一
1.由解析地震道计算的属性
包络振幅及其一阶二阶倒数、瞬时相位、瞬时频率、频谱属性、 相关系数……
2.由叠前资料计算出来属性
纵横波属性、泊松比、流体因子、拉枚常数、剪切模量……
二)几何属性
相干属性、倾角、方位角……
——Taner
帕拉代姆
属性合成 多属性地震相划分
属性合成——3D Canvas
属性合成——Stratimagic
属性合成及多属性地震相划分技术
帕拉代姆北京办事处
地震属性定义
地震属性是指那些由叠前或叠后地动力学特征和统计学特征的特殊测量值。 它们是地下岩性、物性和含油气性以及相关性质的 物理表怔
——《储层地震预测理论与实践》
地震属性的分类
一)物理属性
Stratimagic关键技术-:神经网络技术分类方法
Signal Flow: Input
Dendrites
Output
Synapse
Synapses
Cell Body
Axon
OUTPUT TRACES
INPUT SEISMIC
INTERVAL 通过自组织的神经网络计算,首先得到模型道,这些模型道代表了在 地震层段中整个区域内的地震信号形状的多样性。
数值(例如小层内的最大值、最小值、绝对值的最大值、平均值等)来代替小 层内的多个数值,这样大大简化了进行分类的数据,分类过程中小层分层数据 被保存,同时一个小层只有一个数值代表了这个小层参与计算。
NO PCA
PCA
地震相分类面临的几个问题:
1.如何选取合适的分类方法? 神经网络? 分级分类? 种子点输入? 手工方法?
PCA 数据投影
在所有属性体上进行PCA 主组份分析
地震振幅数 据体
波阻抗
孔隙度
倾角
PCA 分析
方位角
相干体
主分1
主分2
主分3
主分4
主分5
主分6
选取哪些属性体进行分类?
选取贡献量最大的组分: 经验之谈:SM中通常选择本 征值接近或者大于1的组分进 行投影和地震相的划分。
PCA 主组份分析结果表
分类方法的选择
• 神经网络方法一般用来 划分基于波形的地震相 图和基于多属性map的地 震相图。
• 分级分类实际上利用的 是聚类算法。通常只利 用分级分类方法生成地 震相体.
地震相分类面临的几个问题:
2.到底分多少类合适?
• 神经网络分类中,对分类 结果影响较大的是分类数 以及迭代次数。经验的分 类次数一般为7-15类, 可以先选择一个分类数, 然后分别以这个数的50% 和150%的分类数再进行 两次分类。经验的分析, 绝大多数情况下,迭代20 次就基本能达到80%的收 敛程度,所以一般迭代次 数选择为25-35次就可以 了。
属性合成——Stratimagic
Linear
属性合成——Stratimagic
Symmetrical
属性合成——Seismic Atrribute
属性合成——Seismic Atrribute
属性合成——Seismic Atrribute
Stratimagic多属性地震相划分
多个三维地震属性体作为输入,单个地震相分类体输出。
振幅/P & S阻抗, 流体因子、梯度
降维处理 多属性地震相分类
三维地震相数据体
降维处理关键技术
PCA主组分分析技术 数据降维分带压缩 技术
关键技术-主组分分析技术
技术原理
沿C1正交方向最大趋势
主分量 2
在原始数据寻找最大分布趋势
主分量 1
多域的统计分析技术,找出多属
性数据的共同趋势,从而减少参 与相划分的数据量以及用最具有 代表性的数据参与划分。
• 分类数和迭代次数选取得到的结果是否合理,可以利用Tools下的CrossPlot工 具或者观察各类的模型道波形进行分析。通常来说,CrossPlot下各类的分布 近似于圆形分布并且各类分布均匀、模型道波形显示下呈斜直线分布得到的分 类数比较合理。
相关文档
最新文档