典型文献
基于非下采样剪切波变换—参数自适应脉冲耦合神经网络的属性融合裂缝预测方法
文献摘要：
常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况.为此,提出一种基于非下采样剪切波变换(NSST)—参数 自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息.具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息.②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据.③通过逆NSST方法有效地完成属性融合裂缝预测.运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝.
文献关键词：
非下采样剪切波变换;脉冲偶合神经网络;自适应参数;属性融合;裂缝预测
中图分类号：
作者姓名：
汤韦;李景叶;王建花;薄昕;耿伟恒;叶玮
作者机构：
中国石油大学(北京)地球物理学院,北京102249;油气资源与探测国家重点实验室,北京102249;海洋石油勘探国家工程实验室,北京100028;华北油田公司勘探开发研究院,河北任丘062552
文献出处：
引用格式：
[1]汤韦;李景叶;王建花;薄昕;耿伟恒;叶玮-.基于非下采样剪切波变换—参数自适应脉冲耦合神经网络的属性融合裂缝预测方法)[J].石油地球物理勘探,2022(01):52-61
A类：
PAPCNN,脉冲偶合神经网络
B类：
非下采样剪切波变换,参数自适应,自适应脉冲耦合神经网络,裂缝预测,地震属性,相干体,波形相似性,曲率,构造应力,弯曲程度,测地,裂缝分布,NSST,种属,属性数据,数据分解,多方向,带进,数据重构,多属性融合,细节信息,具体步骤,种地,中高频,设置参数,高频数据,八邻域,拉普拉斯算子,加权和,局部能量,能量加权,区属,不同方法,自适应参数
AB值：
0.251151
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
