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

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.

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.