误差反传播神经网络法地震反演

针对测井资料约束下的地震反演具体问题，在假定反演目标和地震资料之间存在某种非线性映射的情况下，用神经网络逼近反演问题中的正演和反演过程，综合构成一个大网络系统，并根据地震反演的具体问题，给出该系统的能量函数．系统采用误差反传播法进行学习，从而实现用神经网络自适应地外推测井资料，有机地将神经网络与地震反演结合起来．对实际资料的测井速度外推结果表明，此法具有好的应用前景．     

基于神经网络的随机地震反演方法

针对随机地震反演中存在的两个主要问题,随机实现含有噪声和难以从大量随机实现中挖掘有效信息,提出了一种基于神经网络的随机地震反演方法.通过对多组随机实现及其正演地震数据的计算,构建了基于序贯高斯模拟的训练集.这也为应用神经网络求解地球物理反问题,提供了一种有效建立训练集的方法.较之传统的神经网络反演,这种训练集不仅保证了学习样本具有多样性,同时还引入了空间相关性.数值模拟结果表明,该方法只需要通过单层前馈神经网络,就可以比较有效的解决一个500个阻抗参数的反演问题.     

概率神经网络技术在煤田地震反演中的应用研究

实现从构造勘探向岩性勘探阶段的转变,是煤田地震勘探亟待解决的重要问题。其中,地震反演技术是岩性勘探的一种重要手段。为了规避常规反演方法的固有限制,利用概率神经网络技术预测井数据和地震数据之间的非线性关系,得到密度数据体和速度数据体,并获得相应的波阻抗数据体。对某矿区的实际地震资料采用该技术进行岩性反演,得到了较为准确的波阻抗数据体,为岩性解释提供了不可或缺的资料。     

基于BP神经网络的波阻抗反演及应用

人工神经网络是近期发展最快的人工智能领域研究成果之一.本文在介绍BP神经网络的有关原理的基础上,提出一种基于BP神经网络模型的波阻抗反演方法,该方法克服了常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性.利用该方法对实际地震剖面进行了波阻抗参数反演处理,结果表明人工神经网络方法在波阻抗反演中的应用是可行的并且是有效的.     

地震反演驱动的改进匹配追踪煤层识别方法

多类型油气藏储层受到煤层反射干扰, 有效识别与去除煤层地震响应是提高煤系储层地震描述精度的关键技术之一.常规煤层匹配识别欠缺考虑煤层弹性参数的影响, 引起煤层定位不准确、识别可靠性低、运算效率低等问题, 本文充分考虑了弹性参数对煤层具有较好的指示作用, 首次提出了地震反演驱动的改进匹配追踪煤层识别方法.首先根据岩石物理分析, 构建煤层指示因子, 提出匹配追踪煤层指示参数的地震反演方法, 该参数能够较好地刻画煤层空间展布; 基于此, 在地震反演驱动下获得了煤层的先验位置, 将其引入匹配追踪算法中约束匹配追踪搜索邻域, 为缓解现有匹配追踪算法运行效率缓慢, 将经验模态分解(EMD)引入匹配追踪领域, 同时将连续相位替换瞬时相位加快匹配追踪运算效率, 研发了煤层指示因子约束下基于EMD字典的改进匹配追踪煤层识别算法.模型测试验证了本文方法识别煤层的可行性, 实际资料的计算结果表明, 该方法在保持精度的情况下大大提高了计算效率, 此外, 预测的煤层与实际测井解释的煤层基本一致, 有助于油气储层预测和识别, 具有重要的实际应用价值.

     

神经网络在地球物理反演中的应用

本文简要介绍神经网络与神经计算机，神经元模型，层状网络结构，误差逆传播算法及其在地球物理反演中的应用。     

利用地震岩性信息研究煤层冲刷规律

通过构建煤层冲刷带地质模型,进行正演模拟计算,利用正演模拟数据研究煤层冲刷规律.应用地震属性技术,谱分解/地震相分析技术和地震反演技术获取多种地震岩性信息.利用这些信息,结合钻孔资料和矿井地质资料,对煤层冲刷规律进行综合分析研究.与传统解释方法相比,地震岩性信息综合解释方法能够更准确地圈定煤层冲刷范围.     

三维多层介质重力-地震同步联合反演

联合反演是地球物理勘探的重要解释手段,能够提高模型参数的反演精度.本文在归纳和分析重力与地震资料联合反演的研究和应用现状的基础上,利用三维多层介质模型的地震走时和重力正演公式,推导了地震走时和重力异常对界面深度的雅可比矩阵,实现了三维重力-地震同步联合反演界面成像.最后进行了数值理论模型模拟和实例计算,结果表明地震走时和重力同步联合反演很好的重建了三维多层介质界面.     

薄互储层地震反演方法在尼日尔Fana地区的应用

波阻抗反演是储层预测的主要方法之一.然而,当声波曲线和其计算出来的波阻抗不能很好地区分砂泥岩时,尤其是在研究区发育砂泥岩薄互储层的情况下,就会给储层预测带来困难.针对这一问题,本文以尼日尔Fana地区为例,采用声波测井曲线重构的方法进行测井约束反演,使储层的波阻抗特征更加明显.然后,对得到的波阻抗体作为输入进行神经网络岩性反演,结果精细刻画了研究区内砂体的空间分布和几何形态,提高了地震方法识别薄储集层的精度,指导了该区下一步勘探.     

用地震CT技术探测煤层的不连续性

本文利用直射线地震CT技术探测煤层的不连续性,给出了若干数值汁算结果,由此表明了方法的可行性。     

基于流体因子叠前地震反演的油水识别方法研究与应用

在双相介质理论指导下构建的流体因子Gassmann流体项f可以实现对油水层的有效判识。本文基于包含流体因子f的反射系数近似公式推导,得到相应的流体弹性阻抗方程,将流体因子纳入地震反演过程并直接参与目标储层的流体识别,实现了从弹性阻抗数据体中直接反演流体因子f的方法技术流程。流体因子f的直接反演有效减少间接计算所带来的累计误差,提高了地震流体识别的精度。在实际资料应用中,结合研究区地质背景与地球物理特征开展的岩石物理分析表明,Gassmann流体因子f对含油和含水特征有较好的区分作用。反演结果表明,流体因子f能为有效地识别目的层的油水特征,为下一步的钻井开发提供可靠的技术支持。      

神经网络反演双侧向电阻率测井曲线的物理约束

以一种新型高分辨率双侧向测井仪器在二维轴对称地层模型中的模拟响应为训练集训练BP神经网络，得到了针对该双侧向测井仪的反演网络模型。在训练中，神经网络结构的确定一般采用交叉验证法，但这种验证法经验性的成分偏重，不能完全解决网络结构的范化问题。为此，本文在模型的训练中，在交叉验证的基础上，根据双侧向测井的原理和仪器响应特性，提出了一种新的物理约束方法；反演地层电阻率的误差应随着侵入半径的增加而加大，违反此规律的模型不予采纳。理论研究结果表明，由此得到的神经网络模型具有很好的范化能力。     

地震相控混沌反演在岩性油气藏储层预测中的应用——以RY坳陷M井区为例

RY坳陷M井区位于浅水三角洲前缘斜坡带,多发育水下分流河道沉积,砂岩储层厚度薄、横向变化快,且同一时期的砂体在平面上表现为多套油水系统,容易形成岩性油气藏,利用常规手段进行储层预测的难度较大。本文通过引入地震相控制,利用纵向及横向上的构造起伏、岩性变化、沉积环境变迁等先验信息降低了反演的多解性;同时将混沌理论与反演算法结合,根据反演迭代的实时状态自适应地修改正则化算子,调节反演稳定性和分辨率达到最佳平衡,既避免了混沌现象的出现,又最大限度地揭示薄层信息。M井区的实际应用显示,相控混沌反演可以突出地震波形的细节变化,准确刻画储层尖灭和分叉点位置,达到精准预测岩性油气藏的目的,对后续岩性油气藏的勘探开发具有较大指导意义。     

微小盆地倾斜煤层采空区瞬变电磁法探测

为研究微小含煤盆地倾斜煤层采空区的瞬变电磁法探测效果,以云南省新近系向斜盆地采空区为研究对象,从数值模拟与现场实测两方面对瞬变电磁探测效果展开研究。首先,针对研究区微小盆地构造条件建立倾斜煤层地电模型,以正演模拟和电阻率计算论证理论可行性;其次,根据模拟结果设置工作参数进行现场数据采集,以倾斜含煤段作为电性标志层追踪电阻率异常并推断采空区分布范围;最后,采用井下超前钻探对推断的采空区进行验证。结果表明,瞬变电磁法适用于探测微小盆地的构造变化而引起的地电结构的改变,探测结果清晰显示盆地倾斜含煤地层的起伏变化,能准确反映采空区的分布。     

Neural Network Prediction of Monthly Precipitation: Application to Summer Flood Occurrence in Two Regions of Central Europe

Artificial Neural Network (ANN) models were used to forecast precipitation. Three-layer back propagation ANNs were trained with actual monthly precipitation data from six Czech and four Hungarian meteorological stations for the period 1961-1998. The predicted amounts are the next month's precipitation. Both training and testing ANN results provided a good fit with the actual data and displayed high feasibility in predicting extreme precipitation.     

神经网络模型在地震预报中的某些应用

本文介绍了人工神经网络模型以地震活动性指标为基础应用于地震预报的一些最新研究结果，选用多层前向神经网络模型及ＢＰ算法，其输入取不同的地震活动性指标的集合，输出为某一指定地区在未来时段内可能发生的最大地震的震级，以华北及首都圈地区为例，用多组不同类型的地震活动性指标进行学习与检验，结果表明，利用人工神经网络模型对未来时段震级预报的符合率较高，内检预报符合率可达１００％，外推预报符合率达到６０％以上。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

叠前宽角度反演方法在周返地区盐湖盆地储层预测中的应用

周返地区盐湖盆地发育复杂的盐韵律地层,储层密度可以对该区砂岩储层进行识别,但该区砂岩储层与非储层之间密度差异小,传统基于Aki-Richards近似公式的叠前密度反演结果精度低,无法满足对该区储层预测的要求。本文将精确Zoeppritz方程直接代入广义线性反演误差泛函,推导新的宽角度叠前反演公式,以克服近似公式对大角度叠前地震信号无法正确利用的缺点,进而提高反演结果的精度。对合成地震数据和工区实际数据的反演结果表明,该方法对密度反演结果的精度明显优于近似公式,满足周返地区盐湖盆地岩性油藏的高精度预测。