【技术实现步骤摘要】
本专利技术的示例性实施例通常涉及地球物理测井、油气资源勘探领域,尤其涉及一种利用脉冲耦合神经网络以实现地震多属性融合方法。
技术介绍
地震属性可以对储层空间分布范围和储层岩石物理特征参数的描述与预测,但当利用各种地震属性信息解释复杂的地质问题时,由于观测条件和测量精度等限制因素,使用单一地震属性信息参数解决地质现象往往存在多解性。因此需要寻找一种方法,克服多解性问题。地震属性融合就是通过利用地震资料中的多种单一属性,用相应的、适合探区地震地质条件的数学关系将它们组合起来,形成能反映储集层特性,反映油气显示为主的综合信息的地震属性。目前利用BP(Back-Propagation)神经网络法可以实现地震属性的融合,其方法是首先将多种待融合的地震属性导入,选取同一深度段的属性并将其幅值分别规范到区间;接着确定BP神经网络结构,并把所选属性作为训练样本,把其中一种属性作为目标样本;然后在初始化网络连接权值(一般为I)、最小目标误差、训练速率、迭代次数(一般为几千)后,对神经网络进行训练;网络训练中通过不断迭代来修改网络连接权值,当得到的网络输出误差小于设定的最小目标误差时,停止迭代,并保存所得的网络连接权值;或者,当网络输出误差却未达到设定的最小误差值但已经达到设定的迭代次数时,同样保存所得的该网络连接权值,从而获得训练好的网络;再分别将与训练网络时不同深度段的归一化处理的地震属性、输入该训练好的BP神经网络,利用训练好的网络,得到幅值在区间的属性融合输出,接着对其反归一化处理,使其幅值的量纲和归一化前的目标样本属性量纲一致,从而实现多种地震属性的融合。常规B ...
【技术保护点】
一种基于脉冲耦合神经网络的地震属性融合方法,其特征在于,所述方法包括下述步骤:步骤A、导入待融合的地震属性;步骤B、对导入的地震属性的各幅值分别进行归一化处理;步骤C、确定神经网络的结构;步骤D、神经网络初始化;步骤E、分别统计每个地震属性的各神经元的输出值为1的次数;步骤F、确定每个地震属性的各神经元的融合系数;步骤G、实现地震属性融合。
【技术特征摘要】
1.一种基于脉冲耦合神经网络的地震属性融合方法,其特征在于,所述方法包括下述步骤 步骤A、导入待融合的地震属性; 步骤B、对导入的地震属性的各幅值分别进行归一化处理; 步骤C、确定神经网络的结构; 步骤D、神经网络初始化; 步骤E、分别统计每个地震属性的各神经元的输出值为I的次数; 步骤F、确定每个地震属性的各神经元的融合系数; 步骤G、实现地震属性融合。2.如权利要求I所述的方法,其特征在于,在步骤B,通过下式进行归一化处理在式(8)中,Xi为第i种地震属性的幅值,为第i种地震属性归一化处理后的幅值。3.如权利要求I所述的方法,其特征在于,在步骤C,神经网络结构中神经元的个数为各个地震属性的幅值个数,每个幅值对应一个神经元,并以此确定神经网络的结构。4.如权利要求I所述的方法,其特征在于,在步骤D,对各神经元之间的系数矩阵、动态门限阈值、脉冲输出,以及迭代次数分别赋值,以进行神经网络的初始化。5.如权利要求4所述的方法,其特征在于,在步骤D,对各神经元之间的系数矩阵赋值为[O. 707,I. 000,O. 707 ;1. 000,0,I. 000 ;0. 707,I. 000,O. 707],动态门限阈值均为 0,脉冲输出均为0,迭代次数为8-15。6.如权利要求I所述的方法,其特征在于,在步骤E, 对每个地震属性的各神经元进行迭代处理,并分别确定各神经元的内部活动值和动态门限阈值, 如果对应神经元的内部活动值大于其动态门限阈值,则该神经元的输出值为1,否则该神经元的输出值为0, 当该神经元的输出值为I时,在该神经元输出值为I的次数上加1, 重复执行上述操作至设定的迭代次数为止,从而得到该神经元输出值为I的次数,并因此分别得到每种属性的各神经元的输出值为I的次数。7.如权利要求6所述的方法,其特征在于,在步骤E,根据下式来确定各神经元的内部活动值、动态门限阈值、输出值 内部活动值 Unl [t] = Fnl [t] (1+ β Lnl [t]) (1...
【专利技术属性】
技术研发人员:周晶晶,邹文,张洞君,洪余刚,彭真明,李全忠,刘璞,
申请(专利权)人:中国石油集团川庆钻探工程有限公司地球物理勘探公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。