无监督神经网络地震属性聚类方法在沉积相研究中的应用

作者：王天云; 韩小锋^*; 许海红; 孙小萍; 李陶; 侯艳

来源：石油地球物理勘探, 2021, 56(02): 372-215.

DOI：10.13810/j.cnki.issn.1000-7210.2021.02.020

• 自组织映射神经网络(SOM)
• 属性聚类
• 地震相
• 沉积相
• 艾特格勒凹陷
• 苏红图组

基于自组织映射神经网络分析技术(SOMA)划分地震相是一种属性综合聚类方法,开展地震属性优选、确定聚类种数、分析地震相—沉积相关系是该方法应用过程中的关键。针对银额盆地白垩系苏红图组主力生油层系,充分挖掘叠后地震资料中反映的地震相类别信息,在地震沉积学理论指导下,应用SOMA进行属性聚类分析,并结合地质资料开展地震相—沉积相研究。优选均方根振幅、信息熵、混沌李、分形关联维等4种地震属性进行聚类分析。研究结果表明,艾特格勒凹陷苏红图组主要发育扇三角洲、辫状河三角洲、滨浅湖、深湖等沉积相。应用此技术降低了少井区地震相—沉积相分析结果的不可靠性,为油气新区勘探的沉积相分析提供了新的依据,是一种切实可行的技术。

• 单位
  中国地质调查局西安地质调查中心