概率神经网络在丽水——椒江凹陷月桂峰组沉积微相识别中的应用

摘要

由于海上钻井取芯较少,所以东海陆架盆地丽水—椒江凹陷古新统月桂峰组地层沉积微相识别存在局限.运用概率神经网络对研究区进行沉积微相识别.首先,通过地震相-沉积相响应分析和测井曲线主成分分析,发现研究区地震相和沉积相之间存在耦合对应关系,因此选择地震相作为概率神经网络输入项中的范畴自变量参数,同时提取出能对沉积微相区分较好的自然伽马、自然电位、声波时差、密度测井、补偿中子、井径测井曲线值作为概率神经网络输入项的数值自变量；然后,选用2 199个学习样本对神经网络进行训练,经过65次试验,搜索出变量的最佳平滑因子,建立研究区20种沉积微相类型的判别模式；最后,利用建立的神经网络对研究区沉积微相进行识别.结果表明:跟岩芯分析的结果对比,运用概率神经网络识别的结果准确率达到90％以上,该方法应用于未取芯井区域沉积微相的识别具有可行性.