基于GRNN振幅谱估计的井控提高地震分辨率技术-论文.pdf

《基于GRNN振幅谱估计的井控提高地震分辨率技术-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第6期石油学报Vo1．36No．62015年6月ACTAPETROLEISINICAJune2015文章编号：0253—2697(2015)06—0715—09DOI：10．7623／syxb201506008基于GRNN振幅谱估计的井控提高地震分辨率技术王姣李红梅。李振春王德营。董烈乾徐文才李河昭(1．中国石油大学地球科学与技术学院山东青岛266580；2．中国石油化工股份有限公司胜利油田分公司山东东营2570003．中国石油集团东方地球物理勘探有限责任公司博士后科研工作站河北涿州072751；4．中国石油集团东方地球物理勘探有限责任公司国际勘探事业部河北涿州072751

2、)摘要：提高分辨率一直是地震勘探必不可少的处理过程，当前简单油气藏逐渐减少，薄层、薄互层等复杂地质体已成为油气藏勘探开发的主要目标，对勘探精度的要求也越来越高。传统提高分辨率的方法主要依据地震剖面信息，这种处理方法往往比较盲目，缺少判断依据，而井控地震处理技术能将井资料信息运用到地震勘探处理中。提出了一种与广义回归神经网络(GRNN)相结合，利用井资料的介入提高地震资料分辨率的方法。由于广义回归神经网络具有较强的自适应学习逼近能力，可将其作为修整和拓展地震数据频谱的手段，以井作为约束条件，提高地震数据的分辨率。模型测试和实际数据处理表明基于GRNN振幅谱估计的井控提高地震分辨率技术

3、是有效可行的。关键词：提高分辨率；井资料；广义回归神经网络；振幅谱估计；拓展频谱中图分类号：P631．4文献标识码：AWell—controlledseismicresolutionenhancementtechnologybasedonGRNNamplitudespectrumestimationWangJiaoLiHongmei。LiZhenehunWangDeyingDongLieqianXuWencaiLiHezhao(1．SchoolofGeosciences，ChinaUniversityofPetroleum，ShandongQingdao266580，China；2

4、．SinopecShengliOilfieldCompany，ShandongDongying257000，China；3．Post-DoctoralScientificResearchStation，CNPCGeophysicalCompanyLimited，HebeiZhuozhou072751，China；4．InternationalDepartmentofexploration，CNPCGeophysicalCompanyLimited，HebeiZhuozhou072751，China)Abstract：Resolutionenhancementisalwaysanes

5、sentialprocessinseismicexploration．Complexgeologicalbodies，suchasthinlayerandthininterbed，havebecomethemaintargetofreservoirexplorationwiththedecreaseofsimplereservoir，andexplorationpreci—sionisrequiredmorehigher．Thetraditionalmethodsofresolutionenhancementaremainlybasedonseismicprofileinforma

6、tion，tendingtobeblindandlackofjudgmentcriterion．However，whenapplyingwell—controlledseismicprocessingtechnology，welldatacanbeusedforseismicexploration．ThisstudyproposesamethodwhichintroduceswellinformationtOimproveseismicdataresolu—tionincombinationwithgeneralizedregressionneuralnetwork(GRNN)．W

7、ithstrongself-adaptivelearningandapproachingability，GRNNcanbetakenasameanstomodifyandexpandseismicdataspectrum，SOastoimprovetheresolutionofseismicdataundertheconstraintofwel1．Modeltestandactualdataprocessingindicatethatthewell—controlle