概率神经网络在丽水—椒江凹陷月桂峰组沉积微相识别中的应用

详细信息   

• 责任者：庞国印^c中国科学院地质与地球物理研究所油气资源研究重点实验室^d1987^e硕士研究生 ; 田兵 ; 王琪 ; 郝乐伟 ; 唐俊 ; 廖朋
• 刊名：地球科学与环境学报
• 出版年：2013
• 卷期：35^b3总134
• 页码：75～82
• 索书号：P206.6/209
• 图表：^c表4参27插图
• 文摘期号：2014/02

摘要

由于海上钻井取芯较少，所以东海陆架盆地丽水—椒江凹陷古新统月桂峰组地层沉积微相识别存在局限。运用概率神经网络对研究区进行沉积微相识别。首先，通过地震相‐沉积相响应分析和测井曲线主成分分析，发现研究区地震相和沉积相之间存在耦合对应关系，因此选择地震相作为概率神经网络输入项中的范畴自变量参数，同时提取出能对沉积微相区分较好的自然伽马、自然电位、声波时差、密度测井、补偿中子、井径测井曲线值作为概率神经网络输入项的数值自变量；然后，选用2 199个学习样本对神经网络进行训练，经过65次试验，搜索出变量的最佳平滑因子，建立研究区20种沉积微相类型的判别模式；最后，利用建立的神经网络对研究区沉积微相进行识别。结果表明：跟岩芯分析的结果对比，运用概率神经网络识别的结果准确率达到90%以上，该方法应用于未取芯井区域沉积微相的识别具有可行性。