地震属性预测分析方法综述

地震属性预测分析方法综述
孙友权
ቤተ መጻሕፍቲ ባይዱ
（长 江 大 学 物 理 科 学 与 技 术 学 院 ４３４０２５）
【摘 要】近 年 来 ，地 震 属 性 广 泛 应 用 于 油 气 勘 探 开 发 中 ，并 在 构 造 解 释 、储 层 预 测 等 方 面 发 挥 了 重 要 作 用 。 【关 键 词】地 震 属 性 ；属 性 预 测 分 析
分析。下面介绍一下多元线性逐步回归分析方法。 多 元 线 性 逐 步 回 归 分 析 方 法 的 思 想 是 ：考 虑 全 部 变 量 方 差 贡 献
值的大小，按照其重要 性 逐 步 选 入 回 归 方 程。在 这 个 过 程 中，前 面 已选入的变量，由于新变 量 的 引 入 而 相 形 见 绌 时，则 把 它 从 回 归 模 型中剔除；而先前被剔除 的 变 量，又 由 于 新 变 量 的 引 入 后 相 对 变 得 显 著 时 ，则 把 它 重 新 选 入 ，直 至 无 可 剔 除 又 无 可 引 入 时 计 算 结 束 。
或 两 种 以 上 变 量 间 相 互 依 赖 的 定 量 关 系 的 统 计 分 析 方 法 ，按 照 涉 及自变量的多少，可分为一元回归分析和多元回归分析；按 照 自 变 量 和 因 变 量 之 间 的 关 系 类 型 ，可 分 为 线 性 回 归 分 析 和 非 线 性 回 归
１ 地 震 属 性 预 测 分 析 的 主 要 内 容 属性预测分析是将提取和优化后的各种地震属性与已知井的 地层结构、岩石物性、储 层 含 油 气 等 信 息 相 结 合，明 确 可 利 用 地 震 属性的地质物理意义，并 进 行 精 细 的 解 释、推 断，从 而 得 出 对 储 层 定性或定量的结论。其主要工作有以下几个方面： １）建立油藏特征与 地 震 属 性 之 间 的 对 应 关 系，完 成 对 地 震 属 性的层位标定。
肖思和对协克里金方法进行了介绍，针对该方法在对大尺度范围 的数据平滑处理时，模糊 化 并 光 滑 化 了 小 尺 度 的 变 异 这 一 缺 陷 ，提 出 了分形协克里金方法，在三维储层参数预测中取得了一定的成效。
２．４ 支持向量机方法。支持向量机方法的基本思 想 是：在 样 本 空 间 或 特 征 空 间 构 造 出 最 优 超 平 面 ，使 得 超 平 面 与 不 同 类 样 本 集之间的距离最大，从 而 达 到 泛 化 误 差 最 小。 此 方 法 直 接 将 地 震 波波形作为输入向量，充分完整地利用了地震波的属性，避 免 了 属 性提取中的片面性和属性优化中过大的工作量。
络 、递 归 神 经 网 络 、随 机 神 经 网 络 和 模 块 化 神 经 网 络 等 。
在属性预测分 析 中 使 用 较 多 的 是 自 组 织 特 征 映 射 神 经 网 络
（Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ Ｆｅａｔｕｒｅ Ｍａｐｓ，简称 ＳＯＦＭ），由芬兰科学家 Ｋｏ－ ｈｏｎｅｎ提出，是一种保 持 拓 扑 相 邻 关 系 由 高 维 向 低 维 的 非 线 性 映
４）调 整 权 值 如 下
｛ ｗｊ（ｔ＋１）＝
ｗｊ（ｔ）＋η（ｔ）［ｘｉ－ｗｊ（ｔ）］ ｊ＝ｉ
ｗｊ（ｔ）
ｊ≠ｉ
式 中 ：ｔ为 迭 代 的 次 数 。
５）ｔ＝ｔ＋１，更新 η（ｔ）＝（１－ｔ／Ｔ）η（０），对 新 得 到 的 权 值 ｗｊ 归 一化后返回步骤３）中继续学习，直到ｔ达到学习次数 Ｔ。
６）输出此时的 权 值 ｗｊ，可 能 为 一 个 或 者 是 一 组，反 映 了 这 一
位 体 系 域 为 例［Ｊ］．内 蒙 古 石 油 化 工 ，２００９． ［４］易 远 元 ，地 震 属 性 分 析 技 术 综 述［Ｊ］．科 技 资 讯 ，２００６．
— ６９ —
射 ，其 主 要 步 骤 如 下 ：
１）初始化随机给出的权向量 ｗｊ，并确定学习率初值 η（０）与 学 习次数 Ｔ，０＜η（０）＜１，ｔ＝０；
２）对输入属性 ｘｉ 作归一化处理；
３）计算 所 有 ｗｊ 与 各 个 ｘｉ之 间 的 欧 氏 距 离 ，对 每 个 ｘｉ 找 出 离
其最近的 ｗｋ，这些 ｗｋ 称为获胜神经元。
２．３ 协克里金方法。克里 金 （Ｋｒｉｇｉｎｇ）方 法 是 一 种 地 质 统 计 学 方 法，主 要 应 用 变 差 函 数 或 协 方 差 函 数 来 研 究 在 空 间 上 既 有 随
２）建 立 地 震 属 性 模 型 。 ３）通过已知地震属 性 对 储 层 参 数 进 行 定 量 解 释，也 就 是 将 地 震属性转换为储层参数。
类输入属性的模式类别。通过此模式类别可以对整体数据训练后
进行预测分析。
自组织特征映射神经网络在实现过程中也存在学习效率低、
收敛速度慢和对初始数据输入量级差敏感等缺点。
２．２ 多元线性逐 步 回 归 分 析 方 法。 回 归 分 析 法 是 确 定 两 种
协克里金法利用几个 变 量 之 间 的 空 间 相 关 性，将 各 种 不 同 类 型、不同可靠度的资料 结 合 在 一 起 进 行 线 性 回 归。 具 体 说 就 是 在 考 虑 了 已 知 样 品 的 形 状 、大 小 及 其 与 待 估 区 域 相 互 之 间 的 空 间 分 布位置等几何特征，以及待估点处的空间结构信息后，为了 达 到 线 性、无偏和最小估计方差的估计，而对每个样品值赋予一定 的 权 系 数 ，最 后 利 用 加 权 平 均 估 计 待 估 点 处 的 值 。
机性又有相关性变量 的 分 布，包 括 简 单 克 里 金、普 通 克 里 金、泛 克 里金、协克里金、指示克 里 金、析 取 克 里 金 和 对 数 正 态 克 里 金 等 方 法。
２ 地 震 属 性 预 测 分 析 方 法
属性预测分析中最为 关 键 的 是 地 震 属 性 模 型 的 建 立 ，优 化 后
支持向量机方法在小 样 本 情 况 下 效 果 非 常 好，但 是 由 于 需 要 求解一个二次规划的优化问题，计算量非常大，并且核函数 的 选 取 也是一个问题。
３ 结 论 地震属性技术通过几 十 年 的 发 展，已 经 日 趋 完 善，各 种 新 技 术 的研究主要集中在提高效果和精度上。但在进行研究的同时切忌出 现盲目性和随机性，并同时需要在以下几个方面进行更深入的研究： １）属性研究的总体 发 展 趋 势 是 智 能 化 和 系 统 化 ，要 求 采 用 的 方 法 能 够 对 各 种 不 同 储 层 都 能 做 到 最 佳 预 测 分 析 ，真 正 做 到 属 性 分析的自动一体化。 ２）在三维地震、时移地震、多波多分量中的应用需要 进 行 进 一 步研究，特别是 在 多 波 多 分 量 勘 探 中 ，属 性 分 析 能 发 挥 更 大 的 作 用 ，而 这 方 面 的 工 作 目 前 还 比 较 少 。
多 元 线 性 逐 步 回 归 分 析 方 法 、协 克 里 金 方 法 和 支 持 向 量 机 方 法 。
２．１ 神经网络分析法。人工 神 经 网 络（ＡＮＮ）通 过 模 拟 人 脑
思维模式进行 模 式 识 别。 目 前 神 经 网 络 有 许 多 类 型 如 前 馈 （ＢＰ）
神经网络、径向基函数（ＲＢＦ）神经网络、自组织映射（ＳＯＭ）神 经 网
的属性与地质构造间 的 关 系 需 要 明 确 后 才 能 应 用。 对 于 单 一 属
性，可以将其与某种地 质 意 义 相 联 系；对 于 多 属 性 分 析，则 需 要 建
立多属性与储层参数之间的联系。实际上这种联系并非简单的线
性关系，而且显式的定量关系式也难以建立，因此需要通过 模 式 识
别方法建立属性与储层间的对应关系，主要有神经网络分 析 方 法、
【参 考 文 献】 ［１］倪凤田．基于地震属性分析的储层预测方法研究［Ｄ］．中国石油大学，２００８． ［２］陈冬，王彦春，张小波．地震属性分析和应用［Ｊ］．内蒙古石油化工，２００８． ［３］李 少 东 ，徐 向 辉 ．地 震 属 性 分 析 技 术 应 用 ——— 以 溱 潼 凹 陷 泰 州 组 低