学科分类
/ 1
2 个结果
  • 简介:介绍并比较了两种有监督的机器学习方法:BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。

  • 标签: 孔隙度预测 机器学习 监督学习 BP神经网络 决策树
  • 简介:呼和湖断陷是海拉尔盆地中的聚煤凹陷之一,具有良好的煤成气勘探开发潜力。主要煤系地层下白垩统大磨拐河组和南屯组的煤层与砂岩、泥岩交互发育,煤层厚度大部分小于1/4地震波长,致使地震资料层间多次波发育,其能量强、分布范围广且速度与一次反射波相近。常规处理方法对多次波压制效果不佳,满足不了精细构造和岩性解释需求。因此,根据多次波在形态和尺度上与有效波的差异,利用其在视速度方向上的大尺度特征,在经过多次波动校正的共中心点(CMP)道集上去除多次波,获得了高质量的CMP道集数据和叠前时间偏移成果,突出了有效波细节信息,地层反射特征清楚,接触关系清晰,断点干脆。在呼和湖断陷的应用实例表明,通过数学形态学多次波压制,地震剖面的分辨率得到明显提高,主要目的层南屯组地震数据主频由20-25Hz提高到25-30Hz,频带也拓宽至6-52Hz。

  • 标签: 海拉尔盆地 呼和湖断陷 早白垩世 煤系地层 多尺度数学形态学 多次波动校正