一、地震属性与储层参数组合优化算法（论文文献综述）
任远飞[1]（2020）在《自适应孔隙流体压力预测方法研究及应用》文中认为在油气资源的勘探开发过程中,准确的孔隙流体压力预测能对甜点预测以及钻井施工方案的制定提供重要支撑。高精度的孔隙流体压力预测方法研究,是当今油气领域的研究热点。然而,目前基于测井数据和地震数据的多数孔隙流体压力预测方法均采用了经验公式和试验性参数,仅在小规模的局部空间和少量的地层范围内具有较高的预测精度,其大规模应用的局限性非常明显。尤其是它们的计算参数采用了经验性的常数,不能随储层埋藏深度、厚度、岩性、孔隙度、渗透率、裂缝等地质特征的变化而自适应的优化调整,无法在无岩心力学测试、无钻井测试的区域取得较高的预测精度,使孔隙流体压力在油气藏封堵性评价、圈闭保存条件评价、优质储层空间分布预测等方面的大规模推广应用受到制约。因此,在不同地质环境条件下调整孔隙流体压力计算公式,优化算法关键参数,提高孔隙流体压力计算精度等科学问题,仍然属于油气勘探开发领域的重要研究方向。Eaton法是主流的孔隙流体压力预测方法之一,该方法实用性强,对欠压实成因泥页岩的预测效果良好。Eaton法是典型的经验模型方法,其预测结果的准确性高度依赖于经验参数,而经验参数受到深度、岩性等因素的影响,不同地点的经验参数一般是不一样的。但在常规的地震资料Eaton法孔隙流体压力预测中,往往在一片地区共用一套经验参数,这对于精确预测孔隙流体压力是不利的。为了进一步提高Eaton法预测准确性,引入自适应控制理论提出自适应孔隙流体压力预测方法,该方法能计算出每一地震道对应的经验参数并用于精确预测孔隙流体压力,实现对Eaton法的改进。本文在深入研究传统孔隙流体压力预测相关理论基础上,首先基于Eaton法的不足,对Eaton法进行改进,创新地提出了基于自适应控制的孔隙流体压力预测方法;其次基于C++完成该算法的程序编译与参数优选,利用测井数据、地震数据实现算法的测试,验证了方法的有效性与适用性,并形成一套自适应孔隙流体压力预测方法;最后将自适应孔隙流体压力预测方法应用于威远页岩气目标储层的孔隙流体压力预测中,并对该区目标储层的孔隙流体压力进行综合评价,取得了较好的应用效果,为该区域页岩气储层精细描述、优质储层含油气特征分析等提供依据。
陈雄涛[2]（2020）在《澳大利亚TB区块煤层气岩相建模及产气量影响因素分析》文中提出TB区块位于澳大利亚Bowen盆地,是M煤层气田的核心产气区,具有极大的开发潜力。研究目的煤层位于二叠中含煤系地层中,依次发育R、F和M三套煤层组,煤层组内部发育众多单煤层。目前煤层气主要生产层位于M煤层组,煤层类型多、煤层薄、横向变化快以及煤层气影响因素众多等特点,都极大地制约着煤层气的高效开发,在认识研究区煤储层的分布特征基础上开展煤层产气量的影响因素分析对于煤层气的高效低成本开发具有十分重要的意义。因此本文拟通过建立研究区岩相模型,明确煤层气储层特征的基础上,开展产气量影响因素分析,从而达到指导煤层气开发的研究意义。本文基础研究数据主要包括地震、测井、岩芯以及前人研究成果,通过开展煤层构造精细解释和煤层测井解释研究,在三维地震资料密度和自然伽玛属性体反演建立体模型基础上,结合单井岩相解释成果,根据自然伽玛与密度曲线之间的岩性相互关系式建立岩相解释模型,再以岩相模型为约束,结合储层物性参数分析结果,依次建立含气量、灰分、渗透率等属性模型。其次基于地质模型,从单井属性,平面属性,地震属性和储层物性参数属性四方面分析主力产层产气量影响因素,明确M层产气量与煤层埋深、煤层密度、上覆砂岩厚度、煤层厚度以及地震属性最小曲率呈负相关性,与顶面地层倾角、地层方位角、渗透率和地震属性最大曲率呈正相关性。本文研究成果不仅能为TB区块下一步开发提供理论指导,同时也能为国内中煤阶煤层气开发提供借鉴。
贾万丽[3]（2020）在《基于径向基神经网络与局部线性嵌入的地震资料储层预测》文中指出油气勘探开发的不断深入凸显了储层参数精准预测的重要性。地震属性包含丰富的储层地质信息,能够对地下构造、岩性及物性进行综合地反映。因此,地震属性技术是一种有效的储层预测方法。实施地震属性技术时,通常需要提取多个地震属性,在获得大量储层信息的同时也面临着属性冗余等问题。因此,有必要对众多地震属性进行优化,以简化相关计算过程和提高储层预测精度。本文采用线性的主成分分析法与非线性的局部线性嵌入法对地震属性进行降维,在获得少数更有效的新属性同时也消除原始数据中的冗余信息。实际资料优化结果表明:由于属性数据的非线性,局部线性嵌入法的优化效果优于主成分分析法的优化效果。由于地震属性与储层参数之间往往存在复杂的非线性关系,传统线性预测方法的预测精度与效率较低。相比之下,神经网络因其自身较好的自学习、自适应以及非线性能力而被应用于储层预测。本文首先介绍了误差反向传播神经网络与径向基神经网络,并利用实际资料对二者的预测效果进行比较,得出径向基神经网络具有更高的预测精度。然后分别利用主成分分析法与局部线性嵌入法对径向基神经网络的输入进行优化,并比较两种优化方法的预测性能。预测结果表明:局部线性嵌入法优化径向基神经网络具有较高的预测精度与效率。最后用该方法对实际工区目的层的孔隙度分布进行预测,预测结果与实际钻井资料吻合度较高,表明所用方法的有效性与实用性。
石战战[4]（2020）在《地震信号稀疏化处理方法研究及应用》文中认为油气资源短缺是我国当前和今后面临的一个重要问题,随着油气资源勘探程度增加,新发现构造油气藏越来越少,油气藏勘探开发重点逐渐转向地层油气藏、岩性油气藏等复杂油气藏。地震储层预测更加依赖高效率、高保真、高分辨率数据处理方法,迫切需要一套新理论、方法能够贯穿于整个地震勘探生命周期。地震信号典型特征是信息冗余,即海量地震数据中所携带的信息是有限的。这种结构特征可以采用稀疏进行建模。以稀疏表示为核心的稀疏理论摆脱了传统信息论的缺点,通过少量的系数揭示蕴含的信息。地震信号满足的褶积模型与稀疏表示形式相同,采用稀疏理论能够快速简单地处理地震数据。论文的目的是研究地震信号稀疏化以及在叠前道集优化处理和储层预测中的应用。取得的研究成果和结论包括:1.针对地震信号的结构特征,对已有稀疏表示目标函数提出3点改进:（1）采集和处理环节可能会产生异常值,L2-范数和LF-范数拟合项会放大异常值的影响,将L1-范数和L2,1-范数拟合项引入目标函数能够提高算法的异常值鲁棒性。（2）地震子波构造子波字典具有较高的相干度,不满足稀疏表示的非相干字典要求,将L1-2-范数正则化引入地震资料处理。（3）L1-范数和L2,1-范数正则化存在系数矩阵惩罚不均衡的缺陷,借鉴迭代重加权对目标函数进行修改。基于以上3点改进,提出了迭代重加权L1-L1-范数、L1-2-L1-范数、L2,1-L2,1-范数3种稀疏表示算法。2.传统叠前多道算法处理共炮点道集和CMP道集。这两种道集中直达波和折射波为倾斜同相轴,反射波为双曲线型同相轴,不能发挥多道算法优势。共偏移距道集地震数据具有水平同相轴结构,各道反射波到达时间和信号结构相同,表现出较好的空间相干性,满足共稀疏性条件。结合联合稀疏表示和共偏移距道集数据处理的优势,将联合稀疏表示算法应用于共偏移距道集就能够利用信号的空间相干性,提高去噪算法性能。3.常用地震数据处理方法建立在均匀各向同性层状介质基础上,动、静校正后叠前道集仍存在剩余时差,同相轴校正不平。利用动态时间规整逐点校正地震道,容易造成信号畸变。提出了一种结合稀疏表示和动态时间规整的新方法。该方法利用反射系数序列可以看作是地下地层单位冲击响应,为脉冲序列。由地震子波构造字典后,利用稀疏表示反演反射系数序列,就能消除波形影响。再对反射系数道集进行校正就能避免波形畸变,同时抑制随机噪声。4.地震反演应用于薄储层预测面临3个困境:（1）薄层时间厚度往往小于调谐厚度。由于薄层调谐,反射波受邻层影响较大;（2）反射波能量弱且连续性差,单道反演横向连续性不好;（3）有效信号弱而噪声强。针对以上3个问题,将联合稀疏表示引入地震反射系数反演,构造一种新的多道反演算法。采用双极子分解构造楔形子波字典,提高反演结果分辨率。动校正和剩余时差校正后的叠前地震数据具有水平同相轴结构,满足共稀疏性假设条件,利用联合稀疏表示反演叠前地震道集能够提高反演结果的鲁棒性和横向连续性。局部地层近似为水平地层,近似满足共稀疏性假设,利用联合稀疏表示实现叠后多道反演是可行的。并且多道参与计算相当于增加约束条件,能够缩小解空间,降低多解性。5.地震信号是非平稳信号,但截断信号可以看作是分段平稳的,其时频谱是近似稀疏的。将时频分析采用的信号截断看作是对信号的重采样过程,将压缩感知引入时频分析,利用稀疏表示算法就能够恢复高分辨率时频谱。同时,地下地层沉积相带、物性和流体性质变化会引起地震信号波形和时频谱变化,往往时频谱变化较波形变化更为显着。但时频分析造成数据高度冗余,增加解释工作量。将时频分析和聚类算法结合起来提出时频域波形分类。利用测井解释标定聚类结果后,就能够作为一种直接烃检测方法辅助储层预测。同时降低低频阴影等解释方法的不确定性。6.以某区实际资料为例验证所提方法的有效性。通过叠前道集优化处理实现随机噪声压制和同相轴校平,为储层预测提供高信噪比、无剩余时差叠前道集。主力储层（P5砂层）测试结果验证了基于稀疏理论的储层预测方法的适用性和精确性。
王攀[5]（2019）在《煤层地震波场特征分析及波形反演方法研究》文中提出煤炭作为我国能源结构的重要支撑之一,在未来社会和经济发展中仍将发挥重要作用。近年来,煤田勘探已逐渐向深部煤层以及复杂构造区域转移,这对精细地震处理解释技术提出了越来越高的要求,而精细地震处理解释技术的实现依赖于地震全波场信息的高效利用,但当前煤田地震勘探依旧集中于利用一次反射波反演方法获取煤层相关介质参数,因此迫切需要发展面向煤田的地震全波场反演方法。全波形反演是一种高精度的定量化地震反演方法,基于波动方程充分利用地震全波场信息,获取到深度域的地层介质参数,其将成为煤田勘探的重要发展趋势,这是本文研究的出发点。全波形反演的基本理念于上世纪八十年代被提出,但受制于计算量大、稳定性差等因素制约。直至近年来计算机软硬件性能不断提升,全波形反演方法才开始在石油勘探领域迅速发展,目前局限于模型测试和海上资料应用。相比于油气储层来说,其一,煤层埋深浅,煤田地震资料易受噪音干扰从而导致地震数据品质较差;其二,煤层是薄低速层,且往往以多套煤互层形式存在,如此导致煤层的地震波形响应规律比油气储层更为复杂;其三,由于岩溶坍塌,煤系地层遭到破坏形成陷落柱,这种小尺度煤层特殊地质构造的反演刻画比常规油气田断裂系统的反演刻画更为困难。因此,将全波形反演技术理念应用到煤田地震勘探时,已然不能直接套用当前针对油气田勘探发展出的全波形反演方法和技术策略,为此面向煤层研究地震波传播规律并研究配套的全波形反演方法技术就成了关键,这也就是本文拟解决的关键问题。在全波形反演中,反演初始模型至关重要,往往由地震构造解释和测井资料插值获取,其正确性决定了全波形反演迭代收敛的速度和稳定性,对煤田弹性波全波形反演来说,其初始模型建立除需要常规纵波测井资料外,还需要横波测井资料,但实际生产中因成本问题而导致横波测井资料较少,往往通过经验关系拟合横波速度,存在较大误差。为提高建模精度,本文从岩石物理测试出发获取到代表性煤层的弹性参数和各向异性参数,并基于人工智能算法建立了基于常规测井参数的横波速度测井曲线重构模型,并验证了其正确性,创新性地提出了基于人工智能的横波速度估计方法,这为煤田地震波场分析和弹性波全波形反演奠定了良好的基础。煤田地震资料全波形反演方法策略的建立依赖于煤田地震波场的正演模拟分析,为此,本文基于粘弹性各向异性波动方程交错网格有限差分正演模拟方法,综合分析了煤层层厚、粘弹性、各向异性、互层以及陷落柱地质构造的地震波场响应特征,研究表明,煤层强反射波形是由顶底界面反射调谐而成,在多套煤互层情况下,调谐影响规律更为复杂,尽管通过时间域波形已经不能有效的分辨煤层,但在不同的频率尺度上,煤层特征会得到不同程度的体现;在一定煤层厚度条件下,粘弹性和各向异性对煤层地震反射波场的影响可以忽略不计;陷落柱等典型煤田地质构造会因断层或者断点绕射使地震波场更为复杂。这些规律和认识为后续煤田地震全波形反演方法的研究提供了方向。考虑到薄互煤系地层反射波形调谐规律的频率响应差异,本文研究了面向薄互层地质结构的多尺度包络-波形反演方法;针对煤田陷落柱断层绕射波等产生的地震波场复杂性,本文提出了基于非精确牛顿优化算法的稳定收敛时间域全波形反演方法;考虑到煤层埋深浅且厚度薄不易估计,本文发展了井约束的正则化全波形反演方法。综合考虑煤田煤系地层特征,将以上三种技术思路互补融合,综合形成了面向煤田勘探的组合优化地震全波形反演方法,模型测试表明该方法能有效的反演刻画出陷落柱构造和煤层构造。该方法为煤层地震反演解释提供了技术支撑,也为今后煤田实际地震资料全波形反演研究奠定了良好的基础。
谢鹏[6]（2018）在《面向储层预测的井震大数据分析技术研究》文中研究指明随着油气勘探技术的不断提升,中、浅层大型背斜等构造油气藏的勘探数量逐渐减少,主力油田逐步进入“高含水、高采出程度、高递减”的开发阶段,原油产量逐渐降低,老区新增可采储量逐年减少,资源接替困难,油田延寿面临巨大挑战,隐蔽油藏难以发现,传统方法难以解决当前状况下复杂隐蔽油气藏的储层预测问题,单独凭借井数据或地震数据等信息已经达不到实际生产的要求。常规储层预测受限于现有理论和方法,无法描述多维数据之间的相互关系,无法改善不同数据资料带来的储层预测的多解性问题,因此如何降低预测中的不确定性是急需解决的问题。我们不能把测井资料和地震资料等信息分开来解释,必须采用跨学科和多学科融合和相辅相成的发展道路,依此来解决单一地震资料无法满足复杂隐蔽储层预测的需要、储层预测相关数据多样性和复杂性造成常规储层预测的多解性与井数据与震数据所在时深域不同且尺度不匹配等问题。针对以上问题,本文充分吸收国内外在井震结合储层预测领域取得的研究成果,了解井震结合储层预测的相关研究现状,提出高精度井震数据匹配方法、基于MapReduce的地震数据解析存储方法、基于FSLDL的不平衡数据特征选择方法与基于深度学习的储层预测方法。文中首先对井震数据特点分析,设计地震数据、井数据和成果数据的联合规范,构造联合数据体结构,满足储层预测的多源异构数据存取需要;实现多源异构数据的井震联合数据体分布式列存储,建立多表索引快速查询结构,建成面向储层预测的井震联合大数据体;基于FSLDL算法实现不平衡数据下的特征选择方法,优选地震属性,减少储层预测过程中的地震属性漏失,降低储层预测的多解性;采用DBN神经网络分析预测地下储层信息。通过实验分析可得,本文提出的井震联合数据体提高了数据抽取效率,通过FSLDL算法优选的地震属性囊括了常用的地震属性,预测得到的纵向地震剖面、横向地震剖面与实际储层较为相符,为井震联合大数据储层预测提供了新的思路。
朱兆群[7]（2017）在《油气不均一分布及成藏差异性评价方法及其应用研究》文中认为油气不均一分布理论指出油气的不均一分布是一种普遍现象和客观规律,也是成藏差异性的具体体现,并具有层次性,而开展油气不均一分布及成藏差异性评价可以定量刻画认识油气的不均一分布及成藏差异性特征,对深化油气地质认识、提高勘探开发综合效益以及提供科学决策指导意见等具有重要的科学和现实意义。因此,本文在充分梳理总结已有研究成果的基础上,尝试建立起针对油气不均一分布及成藏差异性评价的理论和方法体系,并重点围绕不同层次的评价进行实际应用研究,以期能够为更好地开展油气不均一分布及成藏差异性评价工作提供一定的指导和借鉴。论文主要研究工作内容如下:通过系统归纳初步给出油气不均一分布及成藏差异性评价的相关定义、理论基础、评价流程和评价原则等,指出油气不均一分布及成藏差异性评价是以油气不均一分布理论和差异性思维为指导,在立足于已有有限的勘探资料和成藏地质认识的基础上,最大限度地借助于系统评价方法及计算机技术等手段进行油气勘探目标评价以实现快速、直观地刻画分析不同层次的油气不均一分布和成藏差异性特征,进而能够直接服务于油气勘探开发工作。其中油气分布评价单元的划分、差异成藏评价指标的确立以及定量评价方法模型的构建是油气不均一分布及成藏差异性评价的主要环节。在前人研究的基础上建立了油气不均一分布及成藏差异性评价单元的层次划分方案,并通过成藏差异性影响要素分析重点针对油气区带-圈闭单元、钻探目标-储聚单元、油气藏-储层单元所对应层次的评价对象建立起初步的评价指标库;对构造油气不均一分布及成藏差异性评价指标体系以及进行定量评价可采用的方法模型进行系统总结,提出了选择评价指标和方法模型的一般原则,并针对不同层次单元的评价特点建立起初步的评价模型库;指出评价指标的有效筛选处理以及不同评价模型的组合改进等是提高油气不均一分布及成藏差异性评价质量的重要手段。以济阳坳陷邵家地区沙四段为例开展基于油气区带-圈闭单元的油气不均一分布及成藏差异性评价。通过构造特征及流体势分析确定出主要的区带和圈闭单元,并结合油气分布和差异成藏要素特征采用粗糙集方法筛选出主要的评价指标;针对研究区评价对象多,钻探结果差异大,油气勘探程度偏低且以定性认识为主的评价特点,围绕地质风险及有利性采用具有不同评价思路的改进的层次分析和地质风险概率法、集对分析法以及分类建模评价方法等对评价单元进行组合评价和综合分类,并刻画其平面展布,同时通过多重对应分析、统计分析等手段对成藏差异性进行对比;最后综合定量评价结果揭示出成藏主控因素和差异特征,提供有利目标,为油气勘探决策部署提供指导依据。以高邮凹陷永安地区戴一段为例开展基于钻探目标-储聚单元的油气不均一分布及成藏差异性评价。在平面上根据构造特征将永安地区划分出不同的三级圈闭和四级圈闭作为主要的钻探目标,在纵向上根据标志层法和高分辨率层序地层学将戴一段划分出不同的砂组作为主要的储聚单元;通过油气分布和差异成藏要素分析并采用条件概率法筛选出主要的评价指标,并针对研究区断块“小、贫、碎、散”,勘探程度不均衡且兼有定性和定量指标的特点,围绕评价单元的含油气性采用多个含油气概率模型包括变权Topsis模型、Logistic回归模型和支持向量机SVM模型进行组合评价;利用空间叠合方法实现含油气性的立体量化表征,并通过星座图分析、应用统计分析等对含油气差异性进行对比;最后结合油气地质认识对评价结果进行成因解释,并提出下一步的油气勘探思路和有利钻探目标。以苏里格气田苏29井区盒8下段为例开展基于油气藏-储层单元的油气不均一分布及成藏差异性评价。根据高分辨率层序地层学结合构型分析等对盒8下段低渗透油气藏进行地层细分,以单砂体作为主要的储层单元;通过成藏要素分析指出储层是影响油气不均一分布的关键要素,并采用熵权法筛选出主要的评价指标;针对研究区油气藏储层变化大,不确定性强,开发成果资料不完备以及以定量连续型指标为主的特点,围绕储层非均质性采用多种具有不同评价原理的模型包括改进的模糊灰色评价模型、BP神经网络模型以及数据包络分析模型进行储层综合定量评价;通过空间表征刻画储层的平面非均质和不确定性特征,并采用简单对应分析、应用统计分析等对储层差异性进行对比;最后根据定量评价结果预测有利区并结合储层发育特征进行地质成因解释,以有效指导气田的钻探井位部署和开发方案制定等。油气不均一分布及成藏差异性评价某种意义上隶属于油气资源评价中勘探目标评价的范畴。本文在评价中通过组合集成改进探索形成和引入了多种新的评价方法模型,并在实例应用中取得了较好的评价效果,对丰富油气勘探目标评价方法手段具有一定指导意义,同时本文对评价中的不足和展望进行了相关讨论说明,并初步设计了油气不均一分布及成藏差异性评价系统。
范飞[8]（2017）在《基于ICA和SDC技术的地震属性优化方法研究》文中指出地震勘探技术是寻找油气的关键技术,近年来,由地震勘探发展起来的地震属性技术得到了非常广泛的运用。各类地震属性在不断被发掘与应用,地震精细解释及属性优化正不断进步,地震属性优化技术已经应用到三维地震,时移地震勘探中,并在地震-地质综合解释、油藏描述与储层预测中得到广泛应用。虽然属性技术的发展给地震储层预测及含油气检测带来了许多有用的信息,但是属性的有效性和吻合性却难以得到很好的验证,在地质背景复杂、储层特征复杂、地层结构复杂等条件不同的时候,地震属性具有不同的敏感性,不同的地震属性代表着不同的储层与地层信息,属性的优化结果势必对储层预测的精度产生较大的影响,因此需要开展属性预测并进行属性优化的研究。目前在地震储层预测中常用的属性优化方法有很多,各种方法对应着不同的统计学理论,因而需要从中找出合适的属性优化方法或者组合方法来开展属性优选。本文论述了独立分量分析（ICA）的基本理论,阐述了ICA的定义、特点及数学表达方式、基本模型的估算方法,然后将ICA、FastICA、KICA分析方法运用到资料去噪处理及属性优化中。本文还介绍了三参数属性敏感性分析方法,论述了SDC方法的基本原理及主要内容,运用该方法开展了二维模型资料及三维实际地震资料的SDC地震属性优化及分析。在两种方法实现的基础上,充分将两种方法结合,首次实现了SDC-KICA属性组合优化,对比分析了将ICA、SDC、SDC-KICA属性优化结果运用于预测储层厚度、孔隙度及含油饱和度的精度及效果。本文研究结果表明:运用KICA方法可以实现地震属性优化,在优化分离精度和速度上,KICA方法要明显比ICA、FastICA分析更好。运用SDC-KICA组合属性优化结果预测储层厚度、孔隙度、含油饱和度相比单独的SDC和KICA方法优化结果均更优,单井的匹配程度更好,更符合地质变化规律。
鲍彬彬[9]（2017）在《基于地震数据的储层预测自动寻优模型研究》文中认为地震数据中蕴含着丰富的有关地下的地质构造、底层岩性和流体物性等信息,是储层预测的数据基础。但随着我国油气勘探开发的水平越来越高和勘探领域的不断延伸,地震属性数量和种类膨胀式增长,储层预测难度增大。数据挖掘是一种有效进行储层预测手段。本文基于数据挖掘中的特征降维方法和聚类分析构造了储层预测模型。基于数据挖掘的储层预测模型在实际使用中经常需要人工设置参数。如果使用者不了解数据挖掘技术,设置参数是一个困难的事。储层预测模型参数选择的好坏对其预测结果有很大影响。储层预测模型一般会有多个参数,有的参数变化范围比较大,模型参数取值组合很多,人工寻找模型最佳参数很耗费时间。本文提出一个储层预测模型参数自动寻优的方法,无需用户设置模型参数,减轻了用户的负担,并且收敛速度快。首先,针对储层预测模型中的聚类算法参数优化问题,本文使用一种基于混合编码的粒子群对聚类算法的参数进行寻优。根据聚类目标—类内相似度最大、类间相似度最小,设计粒子适应度函数,进而提高聚类结果质量。其次,对整个储层预测模型的参数优化进行研究。储层预测模型包含特征降维和聚类分析两部分。通常这两部分是单独进行优化,但这样得到的结果是局部最优,而不是全局最优。本文利用混合粒子群对整个模型的所有参数同时寻优,也就是特征降维和聚类分析联合优化。最后,地震数据绝大部分都是无标签数据,标签数量很少。本文提出了一种基于聚类结果的自动标签选取方法以获得更多的标签,使得依赖于一定规模的训练数据的有监督分类算法能产生较为精确的分类器。对于基于分类算法的储层预测模型参数寻优,也使用混合粒子群方法,以提高分类精确度。实验表明,混合粒子群能自动地对储层预测模型参数寻优,提高模型预测精确度。储层预测整个模型参数同时寻优,比单独寻优的效果好。基于自动标签的分类效果并不比聚类效果差,说明了基于聚类结果的自动标签选取方法是有效的。
李博南[10]（2016）在《基于频变AVO反演的储层描述与识别方法研究》文中提出储层描述与识别是勘探的主要目的。储层描述是指从地球物理资料中获取储层特征参数分布的过程,储层识别是指以参数信息为基础认识地下岩性分布的过程。随着我国油气勘探由常规构造性油气藏向非常规、复杂、隐蔽岩性油气藏过渡,要求勘探地球物理学提供更丰富、更可靠的参数信息以降低开发风险,这就使得地震数据反演的精度和信息量成为重要的关注点和突破点。反演技术需要从有限的资料中发掘更多隐含的地下信息,前人通过大量实例证明,实际观测到的地震波反射振幅除了入射角之外,还具有频率依赖的特征,而这种特征是地下介质某些物理性质的体现,具有研究和利用的价值。传统的将振幅随炮检距变化（AVO）和振幅随频率变化（AVF）分隔开的研究方法不能完全描述和有效利用这种特征信息。定义反射地震波振幅对频率的依赖性为频变响应,振幅受频率和偏移距（入射角）的综合影响规律为频变AVO响应。本文认为如果深入研究这种依赖频率的AVO响应特征,可以为储层描述和识别提供有力的信息支持。按照从认识到发展再到利用的顺序,本文从频变AVO正问题入手,分析该现象产生的几种物理机制及各自响应特征;然后,探索将两类经典的时间域内AVO反演方法（数据驱动与模型驱动）向频率依赖拓展的可能性,并通过理论模型或实际数据考察它们在更多应用领域中的表现;最后,对频变AVO反演得到的模型参数在储层岩性识别中的应用价值做了研究。为了分析、对比和筛选频变响应产生的物理机制,本文列举了几种典型的岩石物理模型,包括:静态流体替换模型、斑块饱和模型、喷射流动模型、BISQ模型与裂缝介质模型。发现在地震频带观测到的反射波频变响应按照来源可以分为中尺度波致流机制及薄（互）层调谐效应。其中,中尺度的波致流还可以细分为斑块饱和与中尺度裂缝两种不同的物理机制。此外,为了模拟反射地震波的频变响应,本文还对比了几类典型介质模型的AVO理论,包括:各向同性介质、孔隙弹性介质、各向异性介质和薄（互）层结构体。在数值模拟三种物理机制各自的频变AVO响应特征的基础上,本文进一步分析了模型参数的敏感性,发现:（a）在斑块饱和介质中,含气饱和度决定了地震波在传播过程中速度频散的高、低频极限值与剧烈程度,反射界面的频变响应程度随饱和度的增加先增大后减小;（b）在中尺度裂缝介质中,裂缝密度与时间尺度因子分别决定了地震波的速度频散程度与频带范围,反射界面频变响应程度随裂缝密度增加而增大,随时间尺度因子增加先增大后减小;（c）等厚薄互层的结构对地震波的反射系数起到滤波器的作用,即对某些频率成分的反射能量做了增强或削弱。这种滤波作用使频率域的反射能量呈现周期状分布,具体分布形态受到两个薄互层结构参数（薄层厚度与单元总数）的组合方式直接控制。常规的数据驱动类AVO反演提取的地震属性通常是几种弹性参数的数学组合,对于储层流体性质往往缺乏敏感性。通过将时间域拓展到时频域,基于频变AVO反演提取的频散属性利用到了地震波能量在传播过程中的耗散机制,可以体现出流体流动性、饱和度等多种储层信息。本文阐述了该属性的数学表达、物理意义以及提取流程,并对时频分析方法对提取结果的影响做了对比实验。另外,充分利用其对流体性质的敏感性优势,本文在前人的基础上探讨了该属性的三个潜在应用领域:（a）作为一种流体指示剂,对流体进行存在验证和分布定位,通过模型测试本文证明:频散属性响应反映了储层界面位置,响应剧烈程度反映了频散程度大小,时频分析方法的选取决定了属性的时间分辨率;（b）识别并描述海底仿拟反射界面（BSR）,为海底结构分析和游离态天然气储层定位提供新的依据,通过实际数据测试本文证明:BSR在频散属性曲线上会出现比其他弹性或固—液反射界面更大程度的响应;（c）时移监测CO2的运移过程,描述目标层的驱替进度,通过理论模型测试本文证明:随着地震时间监测序列频散属性从零开始剧烈增大再逐渐降低到零的过程,分别标志着目标层驱替处于运移、聚集与饱和三个阶段。常规的模型驱动类AVO反演可以完成静态岩石物理模型的参数化,然而受限于弹性假设与流体静态假设它只能考虑振幅的偏移距依赖性而不考虑频率的依赖性,产生了两个局限:1、由于正演模型不合适而使反演结果不准确;2、由于只考虑介质的弹性性质使反演信息量受到限制。针对于此,本文设计了完整的动态等效模型参数化框架,该框架基于频变AVO反演理论构建目标函数,利用L1范数准则作为约束条件,采用频变AVO正演理论作为模型正演算子,最后通过最优化算法在模型空间搜索反问题的最优解。在此通用反演框架下,本文讨论了三种频变机制下的模型参数化应用:（a）裂缝介质同步反演裂缝密度与时间尺度因子分布;（b）斑块饱和介质反演含气饱和度空间分布;（c）薄互层结构体同步反演薄层单元厚度和单元总数。为了模拟各种储层条件,模型的构建涵盖一维深度模型、二维复杂流体分布模型与复杂背景场分布模型。模型参数的估计结果证实了反演框架的有效性,此外本文还对存在几种干扰下的反演结果做了综合误差分析。当前,储层岩性识别方法由人工定性观察手段逐渐向多元统计学定量手段过渡已成为明确的发展趋势。在以贝叶斯框架为代表的概率统计学方法中,更多样的独立参数信息可以带来更准确的识别结果,因此通过频变AVO反演框架估计的模型参数可以得到充分地利用。本文以先验条件为假设性地质信息,以似然条件为验证性地质信息,在保证对地震资料忠实度的前提下统一多元参数信息约束储层岩性识别结果。在分别对裂缝储层模型、斑块饱和储层模型和薄互层储层模型做了对比测试实验后,本文证明了在参数反演存在误差的情况下,动态模型参数化信息的引入有利于提升储层岩性识别结果的精度。
二、地震属性与储层参数组合优化算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地震属性与储层参数组合优化算法（论文提纲范文）
（1）自适应孔隙流体压力预测方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据以及研究的意义 |
| 1.2 研究现状以及存在的主要问题 |
| 1.2.1 研究现状 |
| 1.2.2 存在的主要问题 |
| 1.3 主要研究内容与技术路线 |
| 1.4 论文主要成果与认识 |
| 第2章 传统孔隙流体压力预测方法研究 |
| 2.1 有效应力定理 |
| 2.2 孔隙流体压力基本概念 |
| 2.3 异常压力成因及其对油气藏的影响 |
| 2.3.1 异常压力 |
| 2.3.2 异常压力成因 |
| 2.3.3 孔隙流体压力对油气藏的影响 |
| 2.4 传统孔隙流体压力预测方法 |
| 2.4.1 基于测井数据的孔隙流体压力计算方法 |
| 2.4.2 基于地震数据的孔隙流体压力预测方法 |
| 2.5 Eaton法的优势及存在的不足 |
| 第3章 自适应孔隙流体压力预测方法 |
| 3.1 自适应控制系统基本概念 |
| 3.2 超定方程组与模拟退火法求解方法 |
| 3.3 正常压实趋势自适应优化方法 |
| 3.4 Eaton指数自适应优化方法 |
| 3.5 经验参数影响分析 |
| 3.6 自适应孔隙流体压力预测方法及程序实现 |
| 3.6.1 测井数据自适应孔隙流体压力预测 |
| 3.6.2 地震数据自适应孔隙流体压力预测 |
| 3.6.3 自适应孔隙流体压力预测方法的程序实现 |
| 第4章 自适应孔隙流体压力预测方法在威远页岩气工区的应用 |
| 4.1 工区概况 |
| 4.2 页岩气储层地球物理响应特征分析 |
| 4.3 页岩储层自适应孔隙流体压力预测 |
| 4.4 页岩储层孔隙流体压力与地球物理参数响应特征分析 |
| 4.5 页岩储层孔隙流体压力影响因素及综合预测 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（2）澳大利亚TB区块煤层气岩相建模及产气量影响因素分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题目的及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 区域地质概况 |
| 2.1 盆地构造特征 |
| 2.2 盆地演化特征 |
| 2.3 煤系地层特征 |
| 第三章 煤层划分和对比 |
| 3.1 划分原则 |
| 3.2 划分对比结果 |
| 第四章 煤储层地震解释 |
| 4.1 基础数据分析 |
| 4.2 井震标定分析 |
| 4.3 煤层构造解释方法研究 |
| 4.3.1 区域构造特征分析 |
| 4.3.2 构造解释方法 |
| 4.3.3 构造解释成果 |
| 第五章 煤储层测井综合解释 |
| 5.1 测井资料标准化 |
| 5.1.1 标志层选择 |
| 5.1.2 标准化方法 |
| 5.1.3 岩芯深度归位 |
| 5.2 煤层测井解释 |
| 5.2.1 煤层测井响应特征 |
| 5.2.2 测井解释结果 |
| 5.2.3 岩相划分结果 |
| 5.4 煤储层物性参数分析 |
| 5.4.1 含气量分析 |
| 5.4.2 灰分分析 |
| 5.4.3 湿度分析 |
| 5.4.4 密度分析 |
| 5.4.5 渗透率分析 |
| 5.4.6 兰氏压力和兰氏体积分析 |
| 第六章 煤储层三维地质模型研究 |
| 6.1 构造模型 |
| 6.1.1 断层模型 |
| 6.1.2 层位模型 |
| 6.2 属性模型 |
| 6.2.1 基于三维地震数据的岩相模型 |
| 6.2.2 煤储层物性参数模型 |
| 第七章 煤储层产气量影响因素分析 |
| 7.1 数据基础 |
| 7.2 单井属性分析 |
| 7.3 平面属性分析 |
| 7.4 地震属性分析 |
| 7.5 储层物性参数属性分析 |
| 7.6 应用效果分析 |
| 结论与认识 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（3）基于径向基神经网络与局部线性嵌入的地震资料储层预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究目的与意义 |
| 1.1.1 神经网络研究目的与意义 |
| 1.1.2 地震属性优化研究目的与意义 |
| 1.1.3 储层预测研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 神经网络研究现状 |
| 1.2.2 地震属性优化研究现状 |
| 1.2.3 储层预测研究现状 |
| 1.3 论文研究内容 |
| 第2章 神经网络预测 |
| 2.1 预测 |
| 2.1.1 预测概念 |
| 2.1.2 预测步骤 |
| 2.1.3 预测方法 |
| 2.2 神经网络 |
| 2.2.1 神经元 |
| 2.2.2 神经网络互连模式 |
| 2.2.3 神经网络学习 |
| 2.2.4 神经网络泛化能力 |
| 2.2.5 神经网络测试 |
| 2.2.6 神经网络特性及应用 |
| 2.3 神经网络用于储层预测 |
| 2.4 BP神经网络 |
| 2.4.1 BP神经网络结构 |
| 2.4.2 BP神经网络原理 |
| 2.4.3 BP神经网络设计 |
| 2.4.4 BP神经网络局限 |
| 2.5 RBF神经网络 |
| 2.5.1 径向基函数 |
| 2.5.2 RBF神经网络结构及原理 |
| 2.5.3 RBF神经网络设计 |
| 2.5.4 RBF神经网络与BP神经网络的比较 |
| 第3章 地震属性优化方法 |
| 3.1 概述 |
| 3.2 线性优化方法 |
| 3.2.1 主成分分析法 |
| 3.2.2 独立成分分析法 |
| 3.3 非线性优化方法 |
| 3.3.1 局部线性嵌入法 |
| 3.3.2 等距特征映射法 |
| 3.3.3 核主成分分析法 |
| 第4章 储层参数预测实例研究 |
| 4.1 工区概况 |
| 4.2 储层预测模型建立 |
| 4.2.1 数据准备 |
| 4.2.2 BPNN与 RBFNN模型建立及比较 |
| 4.2.3 RBF神经网络的优化 |
| 4.2.4 储层特征参数预测 |
| 第5章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与研究成果 |
（4）地震信号稀疏化处理方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 压缩感知和稀疏表示研究现状 |
| 1.2.2 叠前地震道集优化方法的研究现状 |
| 1.2.3 地震储层预测的研究现状 |
| 1.3 主要研究内容和创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要创新点 |
| 1.4 论文的章节安排 |
| 第2章 压缩感知与稀疏表示理论基础 |
| 2.1 基本概念 |
| 2.1.1 稀疏信号 |
| 2.1.2 范数 |
| 2.1.3 压缩感知 |
| 2.1.4 稀疏表示 |
| 2.2 稀疏表示的唯一性和稳定性条件 |
| 2.2.1 稀疏表示的唯一性条件 |
| 2.2.2 稀疏表示的稳定性条件 |
| 2.3 稀疏模型 |
| 2.3.1 单测量向量模型 |
| 2.3.2 组稀疏模型 |
| 2.3.3 多测量向量模型 |
| 2.3.4 低秩稀疏模型 |
| 2.4 稀疏优化算法 |
| 2.4.1 凸优化算法 |
| 2.4.2 交替方向乘子法 |
| 2.4.3 优化算法对比 |
| 2.5 小结 |
| 第3章 应用ADMM求解稀疏表示问题 |
| 3.1 L1-范数正则化稀疏表示 |
| 3.1.1 基于ADMM求解基追踪问题 |
| 3.1.2 L1-L1-范数稀疏表示 |
| 3.1.3 算法改进 |
| 3.1.4 数值模拟 |
| 3.2 L1-2-范数正则化稀疏表示 |
| 3.2.1 L1-2-范数的性质 |
| 3.2.2 L1-2-范数正则化稀疏表示问题 |
| 3.2.3 基于DCA和 ADMM求解L1-2-范数正则化问题 |
| 3.2.4 算法改进 |
| 3.2.5 数值模拟 |
| 3.3 组稀疏和联合稀疏表示 |
| 3.3.1 组稀疏表示 |
| 3.3.2 联合稀疏表示 |
| 3.3.3 算法改进 |
| 3.3.4 数值模拟 |
| 3.4 低秩稀疏矩阵分解 |
| 3.4.1 基于ADMM求解低秩矩阵分解 |
| 3.4.2 数值模拟 |
| 3.5 小结 |
| 第4章 基于稀疏表示的地震道集优化处理 |
| 4.1 基于稀疏理论的随机噪声压制方法 |
| 4.1.1 时频域稀疏低秩分解去噪方法 |
| 4.1.2 基于联合稀疏表示的噪声压制方法 |
| 4.1.3 数值模拟 |
| 4.1.4 应用实例 |
| 4.2 基于稀疏理论的地震波场道重建 |
| 4.2.1 基于稀疏表示的共偏移距道集重建方法 |
| 4.2.2 基于矩阵补全的地震道集重建方法 |
| 4.2.3 数值模拟 |
| 4.2.4 应用实例 |
| 4.3 基于L1-2-范数正则化稀疏表示的剩余时差校正方法 |
| 4.3.1 剩余时差产生的原因 |
| 4.3.2 方法原理 |
| 4.3.3 动态时间规整原理 |
| 4.3.4 数值模拟 |
| 4.3.5 应用实例 |
| 4.4 小结 |
| 第5章 基于联合稀疏表示的多道反射系数反演 |
| 5.1 褶积模型与地震子波 |
| 5.1.1 褶积模型 |
| 5.1.2 子波提取 |
| 5.1.3 双极子子波字典 |
| 5.2 叠后多道反射系数反演 |
| 5.2.1 方法原理 |
| 5.2.2 数值模拟 |
| 5.2.3 应用实例 |
| 5.3 叠前多道反射系数反演 |
| 5.3.1 方法原理 |
| 5.3.2 数值模拟 |
| 5.3.3 应用实例 |
| 5.4 小结 |
| 第6章 稀疏时频分析及其在储层预测中的应用 |
| 6.1 稀疏时频分析与低频阴影 |
| 6.1.1 时频分析方法原理 |
| 6.1.2 低频阴影 |
| 6.1.3 数值模拟 |
| 6.1.4 应用实例 |
| 6.2 时频域波形分类 |
| 6.2.1 方法原理 |
| 6.2.2 生成拓扑映射 |
| 6.2.3 数值模拟 |
| 6.2.4 应用实例 |
| 6.3 基于稀疏时频分析的分频地震属性 |
| 6.2.1 方法原理 |
| 6.2.2 相干属性 |
| 6.2.3 应用实例 |
| 6.4 圈闭落实与井位部署 |
| 6.4.1 圈闭落实 |
| 6.4.2 井位部署 |
| 6.5 小结 |
| 结论与展望 |
| 主要结论 |
| 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（5）煤层地震波场特征分析及波形反演方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 波动方程正演模拟研究现状 |
| 1.2.2 全波形反演方法研究现状 |
| 1.2.3 煤田地震勘探现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 主要创新点 |
| 2 地震波场正演和全波形反演理论 |
| 2.1 波动方程正演理论 |
| 2.1.1 弹性波波动方程 |
| 2.1.2 波动方程的有限差分求解 |
| 2.1.3 震源函数 |
| 2.1.4 边界条件 |
| 2.1.5 稳定性条件 |
| 2.1.6 数值频散 |
| 2.2 全波形反演理论 |
| 2.2.1 全波形反演基本流程 |
| 2.2.2 非线性反演理论 |
| 2.2.3 伴随状态法求取梯度 |
| 2.2.4 迭代步长的求取 |
| 2.2.5 Hessian矩阵预处理方法 |
| 2.3 时间域全波形反演中的关键问题 |
| 2.3.1 低频波场 |
| 2.3.2 初始模型 |
| 2.4 MPI并行计算 |
| 2.4.1 MPI并行模式 |
| 2.4.2 区域分解下的并行框架 |
| 2.4.3 并行试算分析 |
| 2.5 本章小结 |
| 3 基于岩石物理和人工智能的煤层弹性参数获取 |
| 3.1 岩石物理测试 |
| 3.1.1 煤岩岩石物理实验 |
| 3.1.2 煤岩的弹性参数及各向异性参数提取 |
| 3.2 基于测井参数的横波速度预测 |
| 3.2.1 人工智能理论与方法 |
| 3.2.2 横波速度测井曲线构建 |
| 3.2.3 模型试算 |
| 3.3 本章小结 |
| 4 煤层地震波场数值模拟 |
| 4.1 粘弹各向异性弹性波动方程 |
| 4.2 薄互煤层调谐波形响应特征分析 |
| 4.2.1 煤层层厚影响分析 |
| 4.2.2 薄互煤层影响分析 |
| 4.3 粘弹各向异性煤层地震波场特征分析 |
| 4.3.1 各向异性煤介质地震波场特征分析 |
| 4.3.2 粘弹煤介质地震波场特征分析 |
| 4.4 煤层隐蔽致灾模型地震波场特征分析 |
| 4.5 本章小结 |
| 5 井约束时间域多尺度包络-波形反演 |
| 5.1 基于非精确牛顿优化算法的全波形反演 |
| 5.2 基于包络-波形的全波形反演 |
| 5.2.1 包络-波形反演方法 |
| 5.2.2 包络数据提取 |
| 5.2.3 Marmousi2模型测试 |
| 5.3 基于低通滤波技术的多尺度全波形反演 |
| 5.3.1 Butterworth低通滤波器 |
| 5.3.2 基于低通滤波的多尺度反演方法 |
| 5.3.3 Marmousi2模型测试 |
| 5.4 基于正则化的井约束全波形反演 |
| 5.4.1 井数据约束基本方法 |
| 5.4.2 井约束全波形反演策略 |
| 5.4.3 Marmousi2模型测试 |
| 5.5 组合优化方法的全波形反演 |
| 5.6 基于陷落柱模型的全波形反演 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）面向储层预测的井震大数据分析技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 井震联合大数据构建方法的研究 |
| 1.2.2 关于油气储层预测方面的研究 |
| 1.3 本文研究的主要内容 |
| 1.4 论文的组织结构 |
| 第二章 理论和技术基础 |
| 2.1 多尺度井震数据匹配方法 |
| 2.1.1 人工合成地震记录原理 |
| 2.1.2 人工合成地震记录的方法 |
| 2.2 分布式数据处理方法 |
| 2.2.1 Hadoop技术简介 |
| 2.2.2 MapReduce技术简介 |
| 2.2.3 Hbase技术 |
| 2.3 机器学习技术 |
| 2.3.1 常用分类技术 |
| 2.3.2 预测模型的评估指标 |
| 2.4 节点部署配置 |
| 2.5 本章小结 |
| 第三章 井震联合大数据构建方法 |
| 3.1 井数据的标记与抽取 |
| 3.2 成果数据的标记与抽取 |
| 3.3 地震数据快速抽取方法 |
| 3.4 井震融合数据体存储格式 |
| 3.4.1 列存储与井震融合数据体 |
| 3.4.2 列存储数据库写入过程 |
| 3.4.3 列存储数据库查询过程 |
| 3.5仿真实验 |
| 3.5.1 测试环境 |
| 3.5.2 节点变化与reduce个数对写入效率的影响 |
| 3.5.3 顺序作业与并行作业对写入效率的影响 |
| 3.5.4 数据查询速度对比 |
| 3.6 本章小结 |
| 第四章 基于FSLDL的地震属性优选方法 |
| 4.1 标记分布学习算法 |
| 4.2 基于不平衡数据标记分布学习的特征选择方法 |
| 4.3仿真实验 |
| 4.4 本章小结 |
| 第五章 基于DBN网络的储层预测方法 |
| 5.1 DBN深度信念网络 |
| 5.1.1 BP神经网络 |
| 5.1.2 RBM限制玻尔兹曼机 |
| 5.1.3 DBN深度信念网络 |
| 5.2 基于DBN网络的储层预测方法 |
| 5.2.1 训练数据的选取和预处理 |
| 5.2.2 RBM限制玻尔兹曼机的设计 |
| 5.3仿真实验 |
| 5.3.1 井上储层预测及分析 |
| 5.3.2 纵向地震剖面储层预测及分析 |
| 5.3.3 横向地震剖面储层预测及分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 工作总结 |
| 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（7）油气不均一分布及成藏差异性评价方法及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 创新点摘要 |
| 第一章 引言 |
| 1.1 论文研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 油气地质与勘探理论研究现状 |
| 1.2.2 油气勘探目标评价研究现状 |
| 1.3 论文的研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文完成主要工作量 |
| 第二章 油气不均一分布及成藏差异性评价理论 |
| 2.1 评价相关概述 |
| 2.1.1 评价定义 |
| 2.1.2 评价流程 |
| 2.2 评价理论基础 |
| 2.2.1 油气地质与勘探理论 |
| 2.2.2 评价学理论 |
| 2.3 评价一般原则 |
| 第三章 油气不均一分布及成藏差异性评价方法 |
| 3.1 评价对象单元的划分与表征 |
| 3.1.1 评价对象单元的级次划分 |
| 3.1.2 评价对象单元的层次介绍 |
| 3.1.3 评价对象单元的信息表征 |
| 3.2 评价因素指标的确立与处理 |
| 3.2.1 油气成藏差异性影响因素 |
| 3.2.2 评价因素指标的类型与特点 |
| 3.2.3 评价指标体系的形成与完善 |
| 3.2.4 评价指标体系的规范化处理 |
| 3.3 评价方法模型的选择与构建 |
| 3.3.1 评价方法模型的分类与比较 |
| 3.3.2 评价方法模型的优化与改进 |
| 3.3.3 评价方法模型的选择原则 |
| 3.3.4 评价的一般方法模型库 |
| 第四章 基于油气区带-圈闭单元的评价应用 |
| 4.1 研究区概况及存在问题 |
| 4.2 评价对象单元的确定 |
| 4.2.1 油气地质单元的层次划分 |
| 4.2.2 油气不均一分布特征 |
| 4.3 评价指标体系的建立 |
| 4.3.1 油气差异成藏评价要素剖析 |
| 4.3.2 基于粗糙集的指标优选及权重确定 |
| 4.4 评价方法模型的应用 |
| 4.4.1 改进的层次分析评价 |
| 4.4.2 改进的地质风险评价 |
| 4.4.3 集对分析评价 |
| 4.4.4 分类建模评价 |
| 4.5 勘探目标组合评价及统计分析 |
| 4.5.1 油气不均一分布组合评价 |
| 4.5.2 成藏差异性统计比较 |
| 4.6 油气勘探开发启示 |
| 第五章 基于钻探目标-储聚单元的评价应用 |
| 5.1 研究区概况及存在问题 |
| 5.2 评价对象单元的确定 |
| 5.2.1 油气地质单元的层次划分 |
| 5.2.2 油气不均一分布特征 |
| 5.3 评价指标体系的建立 |
| 5.3.1 油气差异成藏评价要素剖析 |
| 5.3.2 基于条件概率法的指标优选及权重确定 |
| 5.4 评价方法模型的应用 |
| 5.4.1 基于变权TOPSIS模型的评价 |
| 5.4.2 基于Logistic回归模型的评价 |
| 5.4.3 基于SVM支持向量机模型的评价 |
| 5.5 勘探目标组合评价及统计分析 |
| 5.5.1 油气不均一分布组合评价 |
| 5.5.2 成藏差异性统计比较 |
| 5.6 油气勘探开发启示 |
| 第六章 基于油气藏-储层单元的评价应用 |
| 6.1 研究区概况及存在问题 |
| 6.2 评价对象单元的确定 |
| 6.2.1 油气地质单元的层次划分 |
| 6.2.2 油气不均一分布特征 |
| 6.3 评价指标体系的建立 |
| 6.3.1 油气差异成藏评价要素剖析 |
| 6.3.2 基于熵权法的指标优选及权重确定 |
| 6.4 评价方法模型的应用 |
| 6.4.1 改进的模糊灰色综合评价 |
| 6.4.2 人工神经网络综合评价 |
| 6.4.3 数据包络分析综合评价 |
| 6.5 勘探目标组合评价及统计分析 |
| 6.5.1 油气不均一分布组合评价 |
| 6.5.2 成藏差异性统计比较 |
| 6.6 油气勘探开发启示 |
| 第七章 认识与展望 |
| 7.1 评价不足与展望 |
| 7.2 评价系统设计 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（8）基于ICA和SDC技术的地震属性优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的意义 |
| 1.2 国内外发展现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 取得的主要成果及创新 |
| 1.5 本文的结构安排 |
| 第二章 基于SDC三参数综合评价的属性优化方法 |
| 2.1 SDC属性优化方法原理 |
| 2.1.1 有效性(Significance) |
| 2.1.2 符合率(Dispersion) |
| 2.1.3 相关性(Correlation) |
| 2.1.4 三参数综合评分计算方法 |
| 2.2 基于模型的SDC属性优化 |
| 2.2.1 储层厚度变化模型 |
| 2.2.2 储层物性变化模型 |
| 2.3 基于地震资料的SDC属性优化 |
| 2.3.1 地震属性求取 |
| 2.3.2 地震属性优化 |
| 2.4 本章小结 |
| 第三章 独立分量分析及属性优化 |
| 3.1 引言 |
| 3.2 独立分量分析的基础理论 |
| 3.2.1 独立分量分析 |
| 3.2.2 独立性的数学表达 |
| 3.2.3 ICA基本模型的估计方法 |
| 3.3 核独立分量分析 |
| 3.3.1 独立分量分析 |
| 3.3.2 标准互相关 |
| 3.3.3 重构的Hilbert核空间 |
| 3.3.4 核独立分量分析 |
| 3.3.5 快速独立分量算法 |
| 3.4 基于KICA算法的去噪处理 |
| 3.4.1 噪音特点 |
| 3.4.2 信号模型 |
| 3.4.3 去噪效果对比 |
| 3.5 基于KICA算法的属性优化 |
| 3.5.1 地震属性优化 |
| 3.5.2 基于KICA算法的属性优化原理 |
| 3.5.3 KICA属性优化实例分析 |
| 3.6 小结 |
| 第四章 基于SDC-KICA的属性优化方法 |
| 4.1 SDC-KICA算法属性优化原理 |
| 4.1.1 技术路线 |
| 4.1.2 SDC-KICA算法步骤 |
| 4.2 实际资料优化结果及对比 |
| 4.2.1 工区情况 |
| 4.2.2 SDC-KICA属性优化 |
| 4.2.3 储层参数预测 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）基于地震数据的储层预测自动寻优模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文的研究背景及意义 |
| 1.2 参数寻优研究现状 |
| 1.3 本文的研究内容和组织结构 |
| 第二章 储层预测模型及其参数寻优研究现状 |
| 2.1 储层预测模型介绍 |
| 2.1.1 聚类 |
| 2.1.2 特征选择 |
| 2.1.3 特征抽取 |
| 2.2 特征降维的参数寻优研究现状 |
| 2.3 聚类的参数寻优研究现状 |
| 2.4 主要问题和研究路线 |
| 2.5 本章小结 |
| 第三章 聚类算法参数寻优 |
| 3.1 智能优化算法 |
| 3.2 粒子群优化算法 |
| 3.2.1 基本粒子群优化算法 |
| 3.2.2 二进制粒子群优化算法 |
| 3.3 基于混合粒子群算法的聚类参数寻优 |
| 3.3.1 混合编码 |
| 3.3.2 适应度函数设计 |
| 3.4 实验分析 |
| 3.4.1 实验数据 |
| 3.4.2 聚类有效性评价指标 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第四章 储层预测模型参数寻优 |
| 4.1 特征降维的评价 |
| 4.2 基于混合粒子群的储层预测模型参数寻优 |
| 4.3 实验分析 |
| 4.4 本章小结 |
| 第五章 基于分类算法的储层模型参数寻优 |
| 5.1 基于类几何结构和类概率的标签数据选取方法 |
| 5.2 分类算法在地震数据中的应用 |
| 5.3 基于分类和混合粒子群的储层预测模型参数寻优 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）基于频变AVO反演的储层描述与识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1. 选题的目的与意义 |
| 1.2. 国内外研究与发展现状 |
| 1.2.1. 岩石物理模型及AVO正演理论 |
| 1.2.2. AVO反演理论 |
| 1.2.3. 储层岩性识别方法与技术 |
| 1.3. 本文的研究内容 |
| 1.4. 本文主要创新点 |
| 第2章 频变AVO正演理论 |
| 2.1. 频散介质理论 |
| 2.1.1 频散与衰减 |
| 2.1.2 静态流体替换模型 |
| 2.1.3 斑块饱和模型 |
| 2.1.4 Biot模型 |
| 2.1.5 喷射流模型与BISQ模型 |
| 2.1.6 Chapman模型 |
| 2.1.7 小结 |
| 2.2 AVO正演理论 |
| 2.2.1 各向同性介质模型 |
| 2.2.2 孔隙弹性介质模型 |
| 2.2.3 弱各向异性介质模型 |
| 2.2.4 任意各向异性介质模型 |
| 2.2.5 薄互层模型 |
| 2.3. 频率分解褶积模型 |
| 2.4. 数值模拟与分析 |
| 2.4.1. 各向同性介质反射特征 |
| 2.4.2. 斑块饱和介质反射特征 |
| 2.4.3. 各向异性介质反射特征 |
| 2.4.4. 薄互层反射特征 |
| 2.5 本章小结 |
| 第3章 基于数据驱动频变AVO反演的储层定性描述方法 |
| 3.1 时频分析技术 |
| 3.1.1 线性时频分析 |
| 3.1.2 非线性时频分析 |
| 3.1.3 数值算例与分析 |
| 3.2 频散属性反演 |
| 3.2.1 方法原理 |
| 3.2.2 方法流程 |
| 3.3 利用频散属性指示流体 |
| 3.3.1 流体识别原理 |
| 3.3.2 数值算例与分析 |
| 3.4 利用频散属性识别海底仿拟反射界面 |
| 3.4.1. 海底仿拟反射 |
| 3.4.2. 实际数据测试 |
| 3.5 利用频散属性监测CO2垂直运移 |
| 3.5.1. CO2地质封存问题 |
| 3.5.2. 两相流体运移理论 |
| 3.5.3. 数值算例与分析 |
| 3.5.4. 结论与认识 |
| 第4章 基于模型驱动频变AVO反演的储层定量描述方法 |
| 4.1 动态等效介质模型的参数化方法 |
| 4.1.1 目标函数 |
| 4.1.2 约束条件 |
| 4.1.3 优化算法 |
| 4.2 中尺度裂缝储层参数反演 |
| 4.2.1 方法原理 |
| 4.2.2 一维模型测试 |
| 4.2.3 二维模型测试 |
| 4.3 斑块饱和储层参数反演 |
| 4.3.1 方法原理 |
| 4.3.2 一维模型测试 |
| 4.3.3 二维模型测试 |
| 4.4 薄互层储层参数反演 |
| 4.4.1 方法原理 |
| 4.4.2 一维模型测试 |
| 4.4.3 二维模型测试 |
| 4.5 分析与认识 |
| 第5章 基于贝叶斯框架的多元统计学储层识别 |
| 5.1 储层岩性识别原理 |
| 5.1.1 基于概率统计学的岩性识别 |
| 5.1.2 马尔科夫随机场 |
| 5.1.3 方法流程 |
| 5.2 裂缝储层识别 |
| 5.3 孔隙储层识别 |
| 5.4 薄互层储层识别 |
| 第6章 结论与展望 |
| 6.1. 结论 |
| 6.2. 展望 |
| 参考文献 |
| 作者简介及攻博期间的科研成果 |
| 致谢 |
四、地震属性与储层参数组合优化算法（论文参考文献）
- [1]自适应孔隙流体压力预测方法研究及应用[D]. 任远飞. 成都理工大学, 2020(04)
- [2]澳大利亚TB区块煤层气岩相建模及产气量影响因素分析[D]. 陈雄涛. 西安石油大学, 2020(11)
- [3]基于径向基神经网络与局部线性嵌入的地震资料储层预测[D]. 贾万丽. 中国石油大学(北京), 2020
- [4]地震信号稀疏化处理方法研究及应用[D]. 石战战. 成都理工大学, 2020(04)
- [5]煤层地震波场特征分析及波形反演方法研究[D]. 王攀. 中国矿业大学(北京), 2019(10)
- [6]面向储层预测的井震大数据分析技术研究[D]. 谢鹏. 中国石油大学(华东), 2018(07)
- [7]油气不均一分布及成藏差异性评价方法及其应用研究[D]. 朱兆群. 中国石油大学(华东), 2017(07)
- [8]基于ICA和SDC技术的地震属性优化方法研究[D]. 范飞. 中国石油大学(华东), 2017(07)
- [9]基于地震数据的储层预测自动寻优模型研究[D]. 鲍彬彬. 厦门大学, 2017(10)
- [10]基于频变AVO反演的储层描述与识别方法研究[D]. 李博南. 吉林大学, 2016(08)