多属性多参数横波预测

开篇：润墨网以专业的文秘视角，为您筛选了一篇多属性多参数横波预测范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要： 岩石物理理论模型是地震岩石物理研究的基础，通过对叠前反演中横波速度的应用，提出了横波速度曲线优化的估算方法，通过对PNN视神经网络算法以及非线性多属性参数的分析，解决了横波预测中误差较大的影响，研究结果为后续的叠前反演打下了很好的基础。

Abstract： Theoretical model of rock physics is a foundation in study of seismic rock physics. Based on application of transverse wave velocity in prestack inversion， transverse wave velocity curve optimization estimation method is presented， and based on the PNN neural network algorithm and nonlinear multi attribute parameter analysis， the bigger influence of transverse wave prediction error is solved. The results provide very good foundation for the following prestack inversion.

关键词： 横波预测；属性参数；非线性回归

Key words： transverse wave prediction；property parameters；nonlinear regression

中图分类号：P315 文献标识码：A 文章编号：1006—4311（2012）28—0049—02

0 引言

纵横波速度在储层岩性、物别等方性以及流体识面有重要应用，叠前地震反演和叠前地震属性分析是得到纵横波速度信息的最有效手段，在进行叠前地震反演和叠前地震属性分析中，需要得到准确的纵横波测井速度曲线，然而在实际生产中由于各种原因往往缺乏横波速度信息[1]。为了获取纵横波速度，很多地球物理学者提出了理论模型公式和经验公式。Greenberg等[2]通过Gassmann近似公式比较预测纵波速度与实测纵波速度之间的差异，反演得到横波速度。Sams和Andrea（2001）根据实验室数据提出了一个岩石孔隙纵横比与孔隙度之间的线性关系式[3—4]。Yan等[5]在2002年提出利用神经网络预测方法从测井数据中提取砂岩孔隙纵横比和泥岩孔隙纵横比。本文在神经网络预测方法的基础上，结合多属性参数提取纵横波比，对横波速度进行预测。

1 线性回归预测横波

基于Castagna（1985）提出砂泥岩VP和VS之间的线性关系Vp=1.16Vs+1360m/s，通过岩石物理测试样品Vp和Vs数据拟合得出，研究区Vp和Vs具有Vp=0.49907Vs+491.12的关系，通过上述的线性方程来预测横波。该方法的预测从效果分析，只能反应曲线的总体变化趋势，具体一些小的细节无法与实际曲线拟合，预测的结果与实际的测试的成果误差较大（图1）。

2 非线性多参数回归预测横波

多属性参数分析只是使每个目标和相应的属性参数的相关。利用褶积因子，可以将交汇图回归延伸到包含相邻的采样点（图2）。

每一个目标点可以由一组属性参数的多个点的加权平均来求得，这个加权平均就是褶积。采用多参数曲线非线性回归的方法预测横波，应用褶积因子就如同增加更多的属性：它会改善预测误差，但是验证误差可能不会得到改善—过训练的危险性会增强。横坐标表示用于预测的属性的个数，纵坐标表示相应个数的属性的均方根误差，黑色曲线表示用学习数据计算的误差，红色曲线表示用验证数据计算的误差（图3），通过验证得出4个参数、9点褶积因子拟合的效果最好。其关系表达式

Vs=—531.588*1/p—wave+0.411602*CNC+11.4359*1/induction medium+0.0282484*logSP+19.6197

目的层营城组预测结果与实际测试的相关系数可达到0.90211，多井曲线的预测结果与实际测试对比，吻合程度较高，准确的预测横波给后续的叠前反演打下了很好的基础。

3 结论

通过对目的层营城组的实验研究，预测结果与实际测试的相关系数很好，吻合程度很高，因此采用多参数曲线非线性回归的方法预测横波，会减小预测误差，对后续的叠前反演提供了保证。

参考文献：

[1]孙福利，杨长春，麻三怀，等.横波速度预测方法.地球物理学进展， 2008， 23（2）： 470—474.

[2]Greenberg M L， Castagna J P. Shear—wave velocity estimation in porous rocks： Theoretical formulation，prelimulation， preliminary verification and aplications.GeophysicalProspecting， 1992， 40（2）： 195—209.

[3]Kuster G. T. and Toksoz M. N. 1974. Velocity and attenuation of seismic waves in two phase media： Part 1：Theoretical formulation.Geophysics 39， 587—606.

[4]Xu S Y， White R E. A physicalmodel for shear—wave velocity predicting. Geophysical Prospecting， 1996， 44：687—717.

[5]Jun Yan，Xiang—Yang L，i Enru Liu. Effects of pore aspect ratios on velocity prediction from well— log data.GeophysicalProspecting， 2002， 50， 289—300.