第一章 概述 1
1.1 地震属性的提取 2
1.2 地震属性的优化 2
1.3 地震属性向储层参数的转换方法 2
1.4 地震属性分析技术的应用 3
1.5 地震属性分析技术的发展 4
第二章 地震属性分析技术的基础研究 5
2.1 岩石物性的相互关系 5
2.1.1 岩石的密度与孔隙度关系 6
2.1.2 岩石的速度与孔隙度关系 6
2.1.3 岩石的密度与速度关系 9
2.1.4 岩石的电阻率与孔隙度关系 10
2.2 岩石的物性变化规律 11
2.2.1 地震波传播速度的影响因素 11
2.2.2 岩石的物性变化规律 19
2.2.3 岩石物理性质随深度的变化 20
2.2.4 岩石物理性质随时间的变化 21
2.3 泊松比与岩石物性参数的关系 22
2.3.1 泊松比的定义 22
2.3.2 泊松比与岩石物性参数之间的关系 23
2.3.3 与泊松比有关的岩石性质 23
2.4 地震正演模型技术 25
2.4.1 射线追踪正演模拟 26
2.4.2 基于马尔科夫链理论的正演模拟 28
2.4.3 波动方程有限差分法数值模拟 30
2.4.4 地震子波 31
第三章 地震属性的提取及其物理意义 32
3.1 沿层地震属性及其提取方法 32
3.1.1 地震波频率属性 32
3.1.2 地震波振幅或能量属性 33
3.1.3 地震波波形属性 34
3.1.4 地震记录自相关函数的属性 34
3.1.5 分辨率属性 35
3.1.6 信噪比属性 35
3.1.7 自回归分析 37
3.1.8 沿层构造属性 38
3.1.9 其他属性 40
3.2 层间吸收属性及其提取方法 43
3.2.1 研究地层吸收性质的地质意义 43
3.2.2 表征地层吸收性质的参数 44
3.2.3 利用反射波资料测定吸收参数的方法 45
3.2.4 提取的地层吸收参数 51
3.3 时频分布属性 52
3.3.1 几种联合时频分布的特点 52
3.3.2 时频分布属性 54
3.4 薄层地震属性 55
3.4.1 薄层频谱的理论计算值 55
3.4.2 薄层直观的分辨率和信噪比 56
3.4.3 时间-振幅解释量板 58
3.4.4 截断效应与时窗选取 60
3.4.5 穿层对时频特性的影响 60
3.4.6 地层横向变化对时频特性的影响 62
3.4.7 薄层的其他地球物理特征 64
3.5 三维属性体及其提取方法 65
3.5.1 瞬时属性体 65
3.5.2 相对波阻抗数据体 66
3.5.3 道微分数据体 68
3.5.4 线积分数据体 68
3.5.5 能量半时属性体 68
3.5.6 信噪比属性体 69
3.5.7 均方根振幅比属性体 69
3.6 相干体技术 69
3.6.1 简述 69
3.6.2 方法原理 69
3.6.3 三维相干属性体的提取 72
3.6.4 相干体技术新进展-多尺度第三算法相干体 73
3.6.5 应用实例及效果分析 74
3.7 地震属性参数的物理意义 79
3.7.1 地震属性的分类 79
3.7.2 地震属性参数的物理意义 80
3.7.3 地震属性与地层参数间的关系分析 82
第四章 地震属性分析方法 94
4.1 地震属性的标准化 95
4.1.1 总和标准化 96
4.1.2 最大值标准化 96
4.1.3 模标准化 96
4.1.4 中心标准化 96
4.1.5 标准差标准化 97
4.1.6 极差标准化 97
4.1.7 极差正规化 97
4.2 聚类分析法 97
4.2.1 聚类分析的基本概念 97
4.2.2 聚类统计量 99
4.3 因子分析 101
4.3.1 因子分析的基本概念 101
4.3.2 R型因子分析 103
4.3.3 Q型因子分析 105
4.3.4 对应分析 106
4.4 RS理论及其决策分析方法 111
4.4.1 RS理论基本原理 111
4.4.2 利用RS理论进行决策分析的方法 114
4.4.3 RS-Kohonen分析方法的原理及其处理流程 117
4.5 GA-BP方法 118
4.5.1 GA的方法原理 118
4.5.2 BP原理 124
4.5.3 GA-BP算法优化地震属性原理 124
第五章 储层预测方法 126
5.1 多元逐步回归法 126
5.1.1 逐步回归分析的基本概念 126
5.1.2 “引入”和“剔除”变量的原则 128
5.1.3 逐步回归的计算步骤 130
5.2 神经网络方法 133
5.2.1 人工神经网络基本知识 133
5.2.2 神经元的数理模型 133
5.2.3 反向传播学习算法（B-P算法） 136
5.3 相关滤波方法 138
5.3.1 方法原理 138
5.3.2 误差分析 140
5.4 协克里金方法 142
5.4.1 方法原理 142
5.4.2 计算步骤 144
5.5 非参数回归分析方法 144
5.5.1 非参数回归的基本概念 144
5.5.2 权函数估计法 145
5.5.3 权函数方法与最小二乘法的结合使用 148
5.6 基于统计学习理论的支持向量机方法 149
5.6.1 统计学习理论简介 149
5.6.2 支持向量机 152
5.6.3 核函数 154
5.6.4 用于非线性函数拟合的支持向量机方法 156
5.6.5 模型试算与分析 160
5.7 模糊神经网络方法 166
5.7.1 模糊理论与模糊聚类 166
5.7.2 模糊系统和神经网络的融合 169
5.7.3 基于神经网络的模糊系统 170
5.8 判别分析方法 172
5.8.1 基本原理 172
5.8.2 工作步骤 175
5.9 灰色理论 175
5.9.1 方法原理 175
5.9.2 实施步骤 176
5.9.3 应用实例及效果分析 176
第六章 应用实例 180
6.1 SAIS软件系统简介 180
6.1.1 软件设计框图 180
6.1.2 软件主要功能 180
6.2 储层岩性预测 186
6.2.1 六间房探区的地质概况 187
6.2.2 六间房探区地震资料的品质分析 189
6.2.3 六间房探区地震属性优化与岩性预测成果 191
6.2.4 六间房探区储层厚度预测 192
6.3 储层参数预测 197
6.3.1 唐家河探区的地质概况 197
6.3.2 应用效果分析 199
6.4 含油性预测 205
6.4.1 基本地质特征 205
6.4.2 研究区的储层特征分析 210
6.4.3 地震资料储层预测的条件 216
6.4.4 含油性预测的综合分析和解释 220
6.4.5 含油性预测的工作总结 233
参考文献 242