Использование нейронных сетей для прогнозирования мощности пористых отложений по трехмерным сейсмическим данным

Для построения детальных моделей коллекторов существует множество методов интегрирования источников данных. Важным источником информации являются сейсмические данные, поскольку они расположены на плотном гриде. Для прогнозирования распределения параметров коллекторов в зоне, представляющей интерес, необходимо установить некоторую связь между свойствами коллектора и сейсмическими данными. Если, в принципе, характер связи можно вывести из физических свойств пород, для количественной характеристики свойств коллектора по сейсмическим данным требуются статистические методы. Интерес к нейронным сетям возникает в связи с тем фактом, что эти методики хорошо проявляют себя в случае неоднозначных и осложненных помехами источников данных, и что не требуется явной модели линейности или других предположений. Schultz и др. (1994), Trappe и др. (1995) и de Groot и др (1998), в числе других, приводят примеры успешного применения искусственных нейронных сетей в области характеристики коллектора. 

В данной статье рассматривается применение искусственной нейронной сети с целью прогнозирования параметров коллектора на обширной площади путем классифицирования множества атрибутов, полученных по сейсмическим данным. Особое внимание уделяется сравнению подхода, основанного на применении искусственной нейронной сети, и геостатистического подхода.  Объектом исследования является песчаник красного лежня в северогерманском бассейне (North German Basin). На территории проведены трехмерные сейсмические работы площадью 2500 км2 . Песчаники красного лежня залегают на глубине 4500-5000 метров и вскрыты приблизительно 70 скважинами, где выполнены исследования. Для данного анализа выбрана площадь размером 100 км2 . С характеристикой северогерманского бассейна связан ряд работ (Budny, 1991; Hartung и др., 1993; Trappe и др., 1996), и все они показали влияние сейсмических данных на прогнозирование качества коллектора. Выполнены также геостатистические исследования (Trappe и Hellmich, 1998), и часть данной статьи посвящена сопоставлению классификации искусственной нейронной сетью с результатами геостатистического исследования.  <...>