基于Python与K-means的地震属性分类融合及砾岩展布应用研究

【作者】 李小冬； 王涛； 李奔； 李熹微； 焦亚先； 王元杰； 许永忠；

【机构】 中国石油华北油田公司勘探事业部； 中国矿业大学资源与地球科学学院； 中国石油华北油田公司勘探开发研究院；

【摘要】 <正>1前言近年来油气资源需求的不断增长,非常规油气藏越来越受到重视,致密油气已经成为目前全球油气勘探开发的新目标。传统的单一地震属性信息量少,只能反演储层某一方面的性质,且存在多解性,预测结果可靠性低。地震多属性融合技术是对不同算法提取的关于同一地质目标的多个地震属性进行适当的融合处理,近些年被广泛运用于储层预测当中,它可以结合储层物性、地质规律以及沉积特征的影响,通过综合考虑不同属性的物理意义,选取表征不同储层特征的属性,以便获得对同一地质目标更为准确、可靠的描述,随着机器学习的发展,也为地震属性的研究带来了更多的可能性,如何运用合理的方法将地震属性分类,选取特征相近的地震属性进行融合成为亟待解决的问题。更多还原