Petrel 训练和估计模块 TrainEstimate第二部分 地震数据的利用Word下载.docx

Petrel 训练和估计模块 TrainEstimate第二部分 地震数据的利用Word下载.docx

《Petrel 训练和估计模块 TrainEstimate第二部分 地震数据的利用Word下载.docx》由会员分享，可在线阅读，更多相关《Petrel 训练和估计模块 TrainEstimate第二部分 地震数据的利用Word下载.docx（11页珍藏版）》请在冰豆网上搜索。

多年来人工神经网络技术在储层预测，油气藏描述中起着重要的作用。

其基本算法概念是模拟人类大脑对朴捉到的多现象，多信号进行快速识别（训练的过程）以实现模糊分类和估计，比如对多种物体相似颜色，相似形状的区分等。

单一的地震属性对储层岩性和物性的反映往往有偏差，多属性参数分析能减少这种偏差。

PETREL软件中的训练和估计（Train&

Estimation）模块就是应用人工神经网络技术分别对以测井曲线，层面地震属性，地震体为输入的系统进行模糊聚类和预测估算，为地学人员提供方便的解释工具。

下面我以地震层面和属性体为输入数据分别介绍模糊聚类。

对于地震属性，我们主要以分类为主，分类从方式上又分为监督（supervised）和非监督（unsupervised）两种。

前者需要给出训练的样点位置，比如穿透厚砂层井点，薄砂层段井点或者无砂层的井点，一般在详探或滚动勘探开发阶段；

而后者无需已知井点，只要告诉系统分几类即可，一般在勘探阶段使用。

（一）地震反射层面地震属性的平面分类方法（监督方法）

1.沿地震储层顶（HOUSTON_TOP）提取若干地震属性，将结果存储在新层面Newhorizon下，见下图

将计算结果可以同时显示在PLOT窗口里可观察

2. 

把井点显示到平面底图上，通过对各口井目标层段测井曲线岩相的计算分析，分别赋予不同的数码比如0代表厚砂层，1代表薄互层，2代表泥岩或页岩。

在这里建议在井点附近数字化几个代表的点子（Pointsdata）,然后插入一离散属性，在Spreadsheet里键入0，1，和2.见下图

3. 

打开NeuralNet界面，按下图设定各选项。

注意选择CLASSFICATION，Trainingpoints,将上一步生成的Points1拉进来；

在Setting里选上Supervised，注意Points1的属性Discrete将自动选上。

见下图

按APPLY后，计算结果将挂在地震层位Newhorizon下面。

缺省名一般是Generaldiscrete[Neuralnetx]，即分类结果。

通常每个类别都会伴随生成相应的概率图，如下图为Class0的概率图。

二，地震反射层面地震属性的平面分类方法（非监督）

非监督的分类相对比较简单，只要计算出储层顶面的多个地震属性既可进行，而不需要指定训练点子，选AllData即可。

1. 

打开NeuralNet界面，按下图设定各选项，注意选择unsupervised并且给出要分几类，我们这个列子是分三类。

这取决于你的解释目标和任务和地震地质特征。

按APPLY，完成计算。

计算结果将挂在地震层位Newhorizon下面，我们可以检查分类结果

同样各类别相关的概率图也将生成，见下图。

三，地震数据的多属性体聚类分析

此类计算由于涉及到整个数据体，非目标储层的信息参与进来往往对储层的分类结果有影响，建议在分类前可用目标层段的顶底层面将原始地震体进行切割，再计算地震属性，最后进行聚类计算。

1.切割原始地震体

可应用Petrel特有的地震计算器（SeismicCalculator）进行切割，见以下公式：

切割后形成的数据体是虚拟的，在地震文件夹里用一个小计算器图标指示

现在我们可以计算多个地震属性体，细节不在累赘，结果如下显示

注意TrainingData选Intersection比较合适，挑穿越地质目标的典型剖面。

按APPLY键，计算结果将也是一虚拟地震数据体，其数值是离散型的（0,1,2）。

见如下显示结果。

注意，可以将该虚拟体转成（realize）ZGY实体，以便快速浏览。

最后，建议用储层顶面将数据体进行层拉平，这样显示的水平切片将是平行于顶面的，以便对储层内部进行观察分析，见下图。

至此，整个地震数据模糊分类工作流介绍完毕。

下面是InputPane中地震文件夹里整个过程产生的数据体结构。