摘要：地震相分析是致密砂岩储层预测的一项重要技术,可以描述地层相带的变化。针对自组织神经网络（Self-Organizing Map,SOM）在地震相解释过程中可视化差、解释精度低等问题,研发了一种基于SOM和HSV（Hue Saturation Value）染色技术的地震相分析技术。该方法使用收缩拓扑坐标算法对网格节点进行计算,借助HSV模型根据网格节点的位置进行染色,使得相近的位置具有相同的颜色,清晰地展示出高维输入空间的分布情况。为了验证方法的可行性,以苏里格气田东部召30区块为研究对象,通过地震属性与气层厚度叠合图以及AVO正演模拟,选取了对储层比较敏感的均方根振幅、平均瞬时频率、AVO截距和梯度等4种地震属性,运用自组织神经网络和HSV染色技术开展致密砂岩的地震相分析,并通过K均值对网格节点聚类,得到盒8段沉积相展布特征,能清晰地刻画南北向条带状河道分布,分析结果与先验地质认识较为吻合。该方法为沉积相展布特征的分析提供了一种更好的可视化方法,具有一定的应用价值。

关键词：致密砂岩储层 地震相分析 som技术 hsv染色技术 收缩拓扑坐标算法 

单位：中国地质大学(北京)能源学院、海相储层演化与油气富集机理教育部重点实验室; 北京100083; 北京中地润德石油科技有限公司; 北京100083; 中国地质大学(北京)数理学院; 北京100083