神经网络非线性煤层属性反演应用研究.pdf

迎 生筮鱼期煤贮遮让 3 神经网络应用研究 中国矿业大学北京校区张绍红赵学军 马小龙宁书年 摘要本文利用地震、测井、地质等资料，基于信息优化预测理论，应用神经网络非线性 方法得到三维高精度波阻抗数据体，以及速度、人工伽马等三维储层参数数据体，为进行储层 岩体、物性分析提供了可靠依据。不仅可以使用迭前和迭后信息，而且可以使用迭后数据非线 性变换结果信息。该方法在实际应用中取得了较好的效果。 关键词优化算法反演非线性神经网络属性 不同地质体 或油气藏 的属性在不同物理场 中都有不同的反映，而同一地质体 或油气藏 的 属性在不同物理场中都有类似 或相似 显示，并 且同一地质体 或油气藏 的不同属性在不同物理 场中都有所侧重。地震波场是地下地质体微观波 动的结果总和，地震资料是对地下地质体属性的 综合反映，测井资料是对地下地质体的局部反映， 并且各有侧重，地震和测井都包含着地下地质体 的储层信息。将高分辨率的井孔资料和地震资料 相结合而推出的各种储层地震反演技术，既能实 现储层的横向追踪，又能解决一些薄互层的分辨 问题。 本研究的目的就是找到一种非线性算法，以 便能够从地震数据来预测测井曲线。实际上，我 们不仅分析地震数据本身，而且分析地震数据的 属性。为什么我们认为分析属性比分析地震数据 本身更有利的一个原因就是很多属性将是非线性 的，这将能提高预测能力。在本文研究中，我们使 用由地震提取的属性而不仅仅是传统的迭后地震 数据本身。可以使用迭前信息，以及迭后数据非 线性变换结果信息。本文所研究的是华东地区某 煤田资料。 1 测井曲线编辑与解释 高精度的测井资料对于煤层的反演具有十分 重要的意义，因此我们首先对测井曲线编辑与解 释。通过解释研究区内的测井资料，发现利用测 井曲线确定地层界面时，经常会碰到各条曲线确 定的地层界面之间有一定的差别。产生差别的原 因是复杂的，这时应综合考虑，全面衡量，以保证 准确地确定地层岩石的界面。 研究区内理论和实测资料都表明，同一口井 中泥岩的自然电位比较稳定 相对地面电极系 N ，因此自然电位测井都以泥岩的自然电位作为 其它地层岩石自然电位幅度的起算点。而一口井 各泥岩层的自然电位是很稳定的，它们基本不变， 把它们连接起来是一条与深度轴平行的直线，成 为泥岩基线。 对于视电阻率来说，微电极系电极距小，泥浆 的影响小，分层能力强，可把0 ．2 m 的薄地层准确 地划分出来，常用于划分地层界面，确定有效厚 度。地层界面的位置用曲线的突变点来确定。 根据微电极系视电阻率的大小和有无幅度 差，还可判断岩性，确定渗透性地层。泥岩视电阻 率低，没有幅度差或有很小的正负不定的幅度差， 曲线较平直。对于致密灰岩，微电极系视电阻率 甚高，曲线有锯齿状，无论是正幅度差或是负幅度 差，其幅度都不大。对于砂岩，微电极系视电阻率 中等，有明显的正幅度差。当砂岩含煤时，其视电 阻率值和幅度差都明显变大。 实测的视电阻率和自然电位曲线经常能观测 到泥岩基线的倾斜 或泥岩基线的移动 ，为此进 行了基线漂移校正 如图l ，第二条曲线是第一条 曲线校正结果 。 ※本项目为国家“九五”项目，原煤炭部综采综掘地质保障系统研究项目的子课题 万方数据 垒崖贮遮让 缝 生筮鱼期 在研究区内，人工伽马与岩性的对应关系较 好。例如在煤层段，人工伽马幅值具有增大的特 点。但由于原始测井时不同钻孔采用的刻度不一 致，以前分析时用的是相对值。在这次研究中，由 于要定量地计算研究范围内的人工伽马数据体， 因此有必要把全区钻孔人工伽马值进行统一标 度，以便于进一步的分析。根据钻孔柱状图可知， 研究区岩性主要为粘土砂岩、泥岩、泥质页岩等岩 性，因此重新刻度幅度范围的方法是可以接受的。 根据分析，把人工伽马范围统一标定在卜 1 5 0 A P I 。 图1 工区内5 E 一9 井测井曲线编辑与初步解释 2 反演方法研究 2 ．1 神经网络非线性反演原理 神经网络应用于地球物理学中也有些年了， 本研究中设计的网络是B P 网络，包括输入层、输 出层及一个隐层。每层由节点组成，而每个节点 具有一定的权值，权值决定输出层的结果。在设 计方案中，输入层的输入节点数与属性数相同。 因为我们只预测单一测井属性，因此输出层具有 一个节点。我们只应用一个隐层，而节点数由试 验来确定。训练过程找出节点之间的最优权值。 神经网络的训练数据由一系列训练“样本”组 成，就是所有井中在分析窗口内的地震样本 } A l I ，A 2 I ，A 3 I ，三l } { A 1 2 ，A 笠，A 3 2 ，￡2 } { A 1 3 ，A 刁，A 3 3 ，￡3 } { A 。。，A 。，A 。。，厶} 这里共有n 个训练样本 本研究中样本数n 即为所用钻孔井数 和3 种属性 本研究中为地 震、反演波阻抗和测井3 种属性 。L 是每个样本 测定的目标测井曲线，本研究中选定为人工伽马 曲线。 给定训练数据后，网络假定每个新的输出曲 线可以写成训练数据测井曲线的线性组合。对于 任一新的样本 菇 i A l ，，A 2 ，，A 3 ，} 新的测井曲线值估计量为 翠厶唧 一D 菇，甄” 己 舅 』_ 一 1 ∑唧 一D 菇，省； l 上式中 D 菇，甄 壹 牮 2 ， lo i 上式中D x ，】【； 是输出点与每个训练样点的 “距离” d i s t 锄c e 。距离是在属性空间中测定，按 嘶分子比例化，嚷对于每种属性具有不同的值。 方程 1 和 2 描述了网络的应用。网络的训 练使平滑参数矾优化。确定这些参数的标准是 使最终属性的网络具有最小的验证误差。 对于第m 个目标样本，定义验证结果为 ∑厶唧 一D ‰，麓 ￡。 菇。 垡} 一 3 ∑g 甲 一D 石。，茹i 这就是第m 个目标样本的预测值。因为我 们已知该样本值，因此可以计算出该样本的预测 误差。对每个训练样本重复上述过程，我们就能 定义训练数据的总预测误差 n ∑。 d 。，口2 ，盯3 ∑ 厶一￡‘ 2 4 研究中把预测误差作为目标函数，即网络的 能量函数。它与其它反演问题中的目标函数一 样，存在多极值问题，它取决于参数嚷 j 1 ，2 ， 3 。为了找到目标函数的全局最小解，通过应用 非线性共轭梯度算法和模拟退火法来求取，此时 产生的网络也具有使验证误差达最小的特点。 2 ．2 技术思路 反演的基本步骤如下 1 精细追踪解释地质层位。结合地质、测井 资料对标准波阻抗模型分层，并将时间标在井旁 道上。运用纵剖面、横剖面和时间切片三种方式 联合追综解释，得到三维区块的立体层。 2 提取子波。从井旁地震道在目的层段提 取子波的初始参数，通过反复修改子波的主频、衰 减、延迟时间等参数，使合成记录与井旁地震道二 者最佳接近时，当前子波即为所求。 万方数据 譬曹坚苎堡孽量变曼曼矍型筝的董苎竖要型警 图3 研究区内1 3 1 煤层发育水平切片图 三警霉鍪彗竺翌犁售量苎鍪 ．尘王塑马 篓曼篁二准确、；解≤；趸向分蕃辜；坂岳鬲崭磊可靠 苎 警要孽兰 譬景兰前 多要堡璺登孳迭孕藉。哥议i 减≤差三茹薹蔷I 嵩藉焘鬲 鍪孥非线性变换的结果。这是本研究方法的一大 磊；诗矗，嘉磊≤≤薹蒜嘉比夏；荏、荔硅袄别 钻孔处与钻探结果相吻合，也证，实了该曼以前的4 ；二蛐d 喇．A 删嘶硼l r a 】鼬． 万方数据