论文摘要
地震信号是复杂的非线性非平稳信号,其时频属性包含丰富的地层信息,已被证实可反映碳酸盐岩储层的特征。时频分析方法把一维时间信号投映至二维时间频率空间,能够刻画信号在局部范围内的时间、频率特征,是分析非线性非平稳信号的有效方法。Huang等基于信号自身的特点和约束条件定义,开创了完整的希尔伯特-黄变换(HHT)方法体系。它可以对信号进行高精度时频分解,从而进行储层预测,但模态混叠、终点效应、谱分析奇异值等限制了其应用。本文对HHT方法中存在的缺陷进行系统改进,获取川西地区地震数据的低频阴影剖面,对目标区域的储层特性和含气特征进行预测。并结合测井评价,应用有监督的神经网络实现对储层含气性的自适应高精度识别。概括起来,本文研究的主要内容如下:(1)在对比短时傅里叶变换、Wigner-Ville分布、小波变换、S变换等传统时频分析工具的基础上,引入HHT方法对非线性非平稳信号进行处理。系统分析HHT方法基本原理、本征模态函数(IMF)约束定义、经验模态分解(EMD)筛分过程和希尔伯特变换(HT)提取IMF瞬时属性的方法,突出HHT在时间域、频率域都能达到高精度的优势。(2)逐一分析HHT方法中存在的不足并加以改进,形成了系统的改进HHT方法。其中,采用完备集合经验模态分解(CEEMD)依次向待分解信号加噪使各频率分量在时间尺度上连续,对EMD的模态混叠进行有效抑制;通过对原信号进行波形匹配和镜像极值拓展使IMF的终点误差被隔离在有效区间之外;借助归一化希尔伯特变换(NHT)消除HT瞬时参数的奇异值。模拟分析表明改进后的HHT精度更高,误差减小,更适应于地震信号的处理。(3)对于四川西部实际地震数据,本文通过改进的HHT方法提取地震信号的Hilbert谱,构建频率分量剖面。依据储层位置在频率分量剖面中“低频强,高频弱”的能量分布特征,对该区域的海相碳酸盐岩储层分布做出预测。在构建分频剖面时引入了T-K能量算子,处理结果表明T-K能量算子能够提高分频剖面中能量的聚集性。本文建立了低频阴影模型对不同频率剖面的能量差异进行定量的直观描述。(4)神经网络是一类借鉴了生物神经系统,人为搭建的复杂抽象的数学模型,用于对非线性映射关系进行分类和识别。本文从时频分析的角度,应用改进HHT方法提取地震信号Hilbert谱,构建多个频率分量剖面作为参数对BP神经网络进行训练,实现对川西区域储层流体的识别。本方法在具有高精的同时,不受主观因素的影响,具有很强的自适应能力。
论文目录
文章来源
类型: 硕士论文
作者: 张健
导师: 薛雅娟
关键词: 时频分析,经验模态分解,瞬时频率,神经网络,流体识别
来源: 成都信息工程大学
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,信息科技
专业: 地质学,石油天然气工业,自动化技术
单位: 成都信息工程大学
基金: 导师的国家自然科学基金项目“基于经验模态分解的碳酸盐岩储层含气性检测方法研究”(项目编号:41404102)
分类号: P618.13;TP183
DOI: 10.27716/d.cnki.gcdxx.2019.000163
总页数: 61
文件大小: 5456K
下载量: 43
相关论文文献
- [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
- [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
- [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
- [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
- [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
- [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
- [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
- [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
- [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
- [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
- [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
- [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
- [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
- [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
- [15].神经网络探索物理问题[J]. 物理 2020(03)
- [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
- [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
- [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
- [19].高效深度神经网络综述[J]. 电信科学 2020(04)
- [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
- [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
- [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
- [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
- [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
- [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
- [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
- [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
- [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
- [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
- [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)