基于机器学习与多信息融合的致密砂岩储层井震解释方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第11-26页 |
| 1.1 选题意义及来源 | 第11-12页 |
| 1.2 研究现状 | 第12-22页 |
| 1.2.1 储层预测研究现状 | 第12-20页 |
| 1.2.2 机器学习研究现状 | 第20-22页 |
| 1.3 研究内容与技术路线 | 第22-24页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 技术路线 | 第23-24页 |
| 1.4 取得的认识及创新点 | 第24-26页 |
| 2 研究区地质特征 | 第26-32页 |
| 2.1 储层地质特征 | 第26-27页 |
| 2.1.1 沉积特征 | 第26页 |
| 2.1.2 储层特征 | 第26-27页 |
| 2.2 地震反射及构造特征分析 | 第27-32页 |
| 2.2.1 地震数据品质分析 | 第27-28页 |
| 2.2.2 层位标定及解释 | 第28-31页 |
| 2.2.3 构造特征 | 第31-32页 |
| 3 地震正演模拟与响应特征分析 | 第32-58页 |
| 3.1 岩石物理分析 | 第32-39页 |
| 3.1.1 横波重构 | 第32-35页 |
| 3.1.2 岩性特征 | 第35-36页 |
| 3.1.3 岩石物理特征 | 第36-39页 |
| 3.2 地震波动方程正演模拟 | 第39-43页 |
| 3.2.1 地震正演模拟方法 | 第39-40页 |
| 3.2.2 地震正演模型及结果分析 | 第40-43页 |
| 3.3 AVO正演分析 | 第43-57页 |
| 3.3.1 AVO理论基础 | 第43-45页 |
| 3.3.2 AVO近似公式 | 第45-47页 |
| 3.3.3 AVO响应特征分析 | 第47-57页 |
| 3.4 本章小结 | 第57-58页 |
| 4 基于机器学习的井震储层预测方法 | 第58-114页 |
| 4.1 地震属性理论基础 | 第58-66页 |
| 4.1.1 地震属性分类 | 第58-60页 |
| 4.1.2 地震属性的提取 | 第60-66页 |
| 4.2 基于频繁项集的地震数据挖掘 | 第66-79页 |
| 4.2.1 基本理论 | 第67-70页 |
| 4.2.2 地震数据挖掘 | 第70-79页 |
| 4.3 基于半监督模糊C均值方法的储层预测方法 | 第79-95页 |
| 4.3.1 基本理论 | 第80-83页 |
| 4.3.2 半监督参数分析 | 第83-85页 |
| 4.3.3 基于半监督FCM的沉积特征分析 | 第85-91页 |
| 4.3.4 基于半监督FCM的气层展布特征分析 | 第91-95页 |
| 4.4 基于自组织神经网络储层预测方法 | 第95-112页 |
| 4.4.1 基本理论 | 第96-102页 |
| 4.4.2 数值模拟分析 | 第102-103页 |
| 4.4.3 基于波形数据的SOM分析 | 第103-110页 |
| 4.4.4 基于叠前属性的SOM分析 | 第110-112页 |
| 4.5 本章小结 | 第112-114页 |
| 5 基于多信息概率融合的三维地质建模 | 第114-126页 |
| 5.1 多信息概率融合法原理 | 第114-116页 |
| 5.2 井震联合地质建模 | 第116-120页 |
| 5.3 储层预测结果分析 | 第120-124页 |
| 5.3.1 砂体和气层展布特征 | 第120-122页 |
| 5.3.2 预测结果论证及富集区分析 | 第122-124页 |
| 5.4 本章小结 | 第124-126页 |
| 6 结论及展望 | 第126-129页 |
| 6.1 结论 | 第126-127页 |
| 6.2 展望 | 第127-129页 |
| 致谢 | 第129-131页 |
| 参考文献 | 第131-140页 |
| 附录 | 第140-141页 |
