基于局部熵的LP-PCNN多属性融合裂缝预测方法

摘要：

地震属性分析方法在储层裂缝预测方面是常见且有效的方法,但地震属性与裂缝之间往往是多元复杂的非线性关系,单属性分析的结果存在不稳定和多解性问题.为了更加全面、准确地预测储层裂缝特征,提出了一种基于拉普拉斯金字塔算法(LP)和脉冲耦合神经网络(PCNN)的多属性融合分析方法.通过属性分析提取并优选对裂缝敏感的多个单属性,引入拉普拉斯金字塔算法,在保护高频细节信息的前提下将各单属性分解为多尺度空间频带;利用PCNN模型强大的非线性处理功能对分解数据进行聚类特征分析;引入表征统计特性的局部熵(LE)对拉普拉斯金字塔的各个分解尺度进行融合.利用拉普拉斯金字塔重构算法得到最终多属性融合结果.实际地震资料测试结果表明,该方法不仅能够有效整合裂缝信息,更加全面地预测裂缝展布特征,而且能在一定程度上压制单属性中存在的冗余或错误信息,提高信噪比,对裂缝边界的刻画更加清晰.

关键词：裂缝预测、拉普拉斯金字塔算法、脉冲耦合神经网络、多属性融合、储层预测、地震属性

所属期刊栏目：61

分类号：P631

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中国海洋石油总公司北京研究中心项目

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：821-829