基于局部熵的LP-PCNN多属性融合裂缝预测方法

地震属性分析方法在储层裂缝预测方面是常见且有效的方法,但地震属性与裂缝之间往往是多元复杂的非线性关系,单属性分析的结果存在不稳定和多解性问题。为了更加全面、准确地预测储层裂缝特征,提出了一种基于拉普拉斯金字塔算法(LP)和脉冲耦合神经网络(PCNN)的多属性融合分析方法。通过属性分析提取并优选对裂缝敏感的多个单属性,引入拉普拉斯金字塔算法,在保护高频细节信息的前提下将各单属性分解为多尺度空间频带;利用PCNN模型强大的非线性处理功能对分解数据进行聚类特征分析;引入表征统计特性的局部熵(LE)对拉普拉斯金字塔的各个分解尺度进行融合。利用拉普拉斯金字塔重构算法得到最终多属性融合结果。实际地震资料测试结果表明,该方法不仅能够有效整合裂缝信息,更加全面地预测裂缝展布特征,而且能在一定程度上压制单属性中存在的冗余或错误信息,提高信噪比,对裂缝边界的刻画更加清晰。

资料为PDF文档格式.

本文档关键词:裂缝,属性,融合,局部,预测