用遗传算法选择储层预测中的地震特征

【摘要】：正1．引言特征选择是统计模式识别的关键之一,对提高人工神经网络识别的能力也具有重要意义。在地震解释中,通常提取多个特征(记为m),采用模式识别方法进行储层横向预测(包括油气、砂体、孔隙度、微地震相等的横向预测)。但是在不同地区,对储层横向预测敏感的(或有效的、最有代表性的)地震特征是不完全相同的;即使在同一地区,对所解问题敏感的地震特征也是有差异的。由于所解问题与地震特征间关系复杂,难于凭经验直观地选取。为了取得地震模式识别的最优效果,需优选地震特征组合。衡量“最优”的标准就是使错误识别率(简称误识率)最低。要想得到最优组合,可采用枚举法,将各种特征组合(共有2m-1个)的误识率进行比较,选出最优特征组合,此即组合最优化问题。由于m较大时, 2m-1很大,不宜用枚举法求解。解决方法中最简单的方法是利用专家的知识和经验,但这对于地震特征的选择比较困难。因此,只好寻找计算量较小的次优解法,常用的特征比较法、顺序前进法、顺序后退法、增l减ri法等存在一些问题(如有的要事先提供最优特征组合个数等),而用遗传算法优选地震特征是能在一定程度上弥补上述不足的新方法之一。