基于小样本数据的模型-数据驱动地震反演方法
针对薄互层砂体识别难度大、常规模型驱动和数据驱动等地震预测方法精度较低的难题,提出一种基于空变目标函数的模型-数据驱动地震AVO反演新方法.该方法利用零延迟互相关函数和F范数(Frobenius范数)构建目标函数,以反距离加权理论根据反演目标道所在的位置控制目标函数的变化,进而改变训练样本、初始低频模型和地震数据对反演的约束权重,能够基于小样本数据反演得到较高精度、较高分辨率的速度和密度参数,适用于薄互层砂体的精细识别.薄互层地质模型测试结果表明,针对小样本数据,新方法的反演结果具有较高的精度和分辨率,能够识别约1/30波长厚度的砂岩薄层.丽水凹陷实际应用表明,新方法反演结果与测井数据的相对误差较小,且能够识别约1/15波长厚度的薄互层砂体.
小样本数据、空变目标函数、模型-数据驱动、神经网络、地震AVO反演、薄互层砂体识别、古新统、丽水凹陷
49
PE631.4
中海石油七年行动计划课题CNOOC-KJ135ZDXM39S002
2022-10-19(万方平台首次上网日期,不代表论文的发表时间)
共10页
908-917