Zastosowanie samoorganizujących sieci neuronowych Kohonena w klasyfikacji sejsmofacjalnej (rejon Ujkowice - Batycze)

• Autorzy: Dzwinel K. , Haber A. , Krawiec D.

Warianty tytułu

EN

Application of Kohonen's Self Organizing Networks in seismofacies classification (the Ujkowice - Batycze area)

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia zastosowanie samoorganizujących sieci neuronowych Kohonena w klasyfikacji formy zapisu sejsmicznego. Klasyfikacja ta jest jednym z podstawowych elementów analizy sejsmofacjalnej, prowadzącej do wyciągnięcia znaczących wniosków poszukiwawczych. Istotnymi elementami takiej analizy są: wybór atrybutów sejsmicznych oraz użycie właściwego sposobu klasteryzacji. Do klasteryzacji użyto atrybutów AVA, które niosą ze sobą informacje o własnościach petrofizycznych skał. W celu zbadania rozkładu facji sejsmicznej na wybranym obszarze posłużono się dodatkowo innymi metodami wielowymiarowej analizy atrybutów sejsmicznych: klasyfikacją wybranego obszaru krossplotu "intercept-gradient" oraz klasteryzacją wykonaną metodą minimalizującą iloczyn odległości obiektów w wydzielanych grupach. Weryfikacji optymalnej metody klasyfikacji danych dokonano na podstawie obserwacji kształtów klastrów i ich charakterystyk.

EN

This paper presents the application of Kohonen's Self Organizing Networks in classification of seismic waveform. The classification is one of the basic elements of seismofacies analysis and it often leads to significant exploratory conclusions. Important elements of this kind of analysis are: selection of seismic attributes and usage of appropriate clustering method. There were used AVA attributes, which include information about petrophysical properties of rocks. There used two additional multi-dimensional methods to examine seismic facies distribution on selected area: classification of chosen crossplot intercept-gradient area and classification carried out by method which minimizes the product of objects distances in groups. Verification of optimal method for data classification was made based on observation of clusters shape and their characteristic due to insufficient information from wells.

Słowa kluczowe

PL

atrybut sejsmiczny; analiza sejsmofacjalna; krosskorelacja; samoorganizująca sieć neuronowa Kohonena

EN

seismic attributes; seismofacies analysis; crosscorrelation Kohonen's Self Organizing Networks

• Wydawca: Wydawnictwa AGH
• Czasopismo: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2006
• Tom: T. 32, z. 4
• Strony: 441--450
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Dzwinel K.

• Geofizyka Kraków Sp. z o.o., ul. Łukasiewicza 3, 31-429 Kraków

autor

Haber A.

• Geofizyka Kraków Sp. z o.o., ul. Łukasiewicza 3, 31-429 Kraków

autor

Krawiec D.

• Geofizyka Kraków Sp. z o.o., ul. Łukasiewicza 3, 31-429 Kraków

Bibliografia

• Avseth P., Murkerji T. & Mavko G., 2005. Quantitative Seismic Interpretation. Applying Rock Physics Tools to Reduce Interpretation Risk. Cambridge University Press, 180-230, 295-312.
• Borowska L. et al., 2004. Opracowanie wyników badań sejsmicznych dla tematu Ujkowice - Batycze 3D. Archiwum Geofizyka Kraków Sp. z o.o., 62-90.
• Klein P. & Peloso A., 2006. Innovative hybrid algorithm designer to enhance seismic characterization. First Break, VI, 24, 97-100.
• Osowski S., 1996. Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwo Naukowo-Techniczne, Warszawa, 249-275.
• Tarner M.T., 1997. Kohonen's Self Organizing Networks with „conscience”. Rock Solid Images, November 1997, 1-7.