摘要
随着油气资源的需求逐年增大,勘探精度从区域构造迈向小尺度时代。高精度的地震勘探,大量的测井信息和地质资料,标志着地震勘探大数据时代的到来。岩性识别是地层评价和储层描述的基本任务。如何从海量的资料中寻找到有用的资料来进行地层的岩性的识别是如今面临的重要难题。数据挖掘(Data Mining)是从大量冗余、不完备的随机的数据中,提取隐含在其中的、潜在有用的信息和知识的过程.在现今海量信息数据的时代,DM 应用于众多领域.本文研究基于自组织映射(SOM)的数据挖掘方法,并将其用于岩性识别.首先,根据岩心数据、测井和录井资料,对研究区块内的岩性分析,选择自然伽马、声波时差、自然电位、井径、电阻率和密度曲线作为输入数据,通过最大熵准则来选择含有信息量较大的属性,再利用SOM方法对输入样本数据进行训练,通过其自动调整权系数,达到最优分类以区分岩性.实际资料表明该无监督智能算法在岩性识别中能取得较好效果.