基于局部熵的LP-PCNN多属性融合裂缝预测方法

作者：薄昕; 徐旺林; 陈小宏^*; 李景叶; 汤韦; 郭康康; 赵伟

来源：石油物探, 2022, 61(05): 821-829.

• 裂缝预测
• 拉普拉斯金字塔算法
• 脉冲耦合神经网络
• 多属性融合
• 储层预测
• 地震属性

地震属性分析方法在储层裂缝预测方面是常见且有效的方法，但地震属性与裂缝之间往往是多元复杂的非线性关系，单属性分析的结果存在不稳定和多解性问题。为了更加全面、准确地预测储层裂缝特征，提出了一种基于拉普拉斯金字塔算法(LP)和脉冲耦合神经网络(PCNN)的多属性融合分析方法。通过属性分析提取并优选对裂缝敏感的多个单属性，引入拉普拉斯金字塔算法，在保护高频细节信息的前提下将各单属性分解为多尺度空间频带；利用PCNN模型强大的非线性处理功能对分解数据进行聚类特征分析；引入表征统计特性的局部熵(LE)对拉普拉斯金字塔的各个分解尺度进行融合。利用拉普拉斯金字塔重构算法得到最终多属性融合结果。实际地震资料测试结果表明，该方法不仅能够有效整合裂缝信息，更加全面地预测裂缝展布特征，而且能在一定程度上压制单属性中存在的冗余或错误信息，提高信噪比，对裂缝边界的刻画更加清晰。

• 单位
  中国石油大学（北京）; 中国石油化工股份有限公司石油勘探开发研究院; 中国石油天然气股份有限公司勘探开发研究院