多元地震属性分析提高薄储层预测精度

针对叠后地震属性预测薄储层信息时存在属性单一、多解性及定性表征等问题,文中提出了基于主成分分析-支持向量机算法(PCA-SVR)对多种地震属性进行定量表征预测薄储层的方法。以松辽盆地某井区葡I4层为例,利用主成分分析法对9种地震属性进行降维分析,优选累计贡献率大于90%的3种主成分,利用支持向量回归机算法,建立了薄储层预测模型。对井区内葡I4层砂岩厚度进行预测,预测结果与实际钻遇砂岩厚度吻合程度较好。研究结果表明,预测结果与实际钻遇砂岩厚度的相对误差,与目的层段内砂岩发育层数相关,随着发育砂岩的层数增多,平均相对误差逐渐增大。     

滩坝砂储集体测井产能等级划分与地震属性横向预测

滩坝砂储层因其储层物性差、单层厚度薄等特点而导致产能预测较为困难,提出了一种新的基于数据和模型双驱动的井震结合产能等级划分方法。通过机器学习中的降维算法结合聚类算法,并利用聚类算法中的肘部法确定最佳聚类数,进行储层测井产能等级自动划分。首次在平面径向流公式的基础上建立了测井产能等级指示模型,为地震属性横向预测提供井点刻度。以胜利油田W工区为例,利用最小二乘法推导出了测井产能等级指数公式,计算了10口井目的层单井产能等级指数。对提取的多种地震属性在井点处的属性值与测井产能等级分类结果进行Pearson相关性分析,优选了3种与产能等级指数显著相关且两两之间相互独立的地震属性。利用支持向量回归算法,建立了地震属性融合的储层产能等级指数平面图,经3口验证井检验,产能等级指数平面图与实际产能吻合程度较好。研究结果表明,基于测井产能等级划分的地震属性横向预测方法可以有效预测靶区储层产能等级。     

基于井数据驱动的薄互层储层预测技术在渤海A油田的应用

渤海A油田沙三中段为辫状河三角洲前缘沉积,单砂体厚度薄,储层横向变化快,为典型的薄互层储层。受限于地震资料垂向分辨率,薄互层储层平面展布难以预测。在海上油田开发过程中,为节约作业成本,开发井一般采用随钻测井,只能得到伽马、电阻率曲线,缺少声波和密度曲线。针对油田储层发育的特点以及开发井缺少声波曲线等现状,尝试开展基于精确模型的地震多属性分析技术预测薄互层的平面展布。首先利用泥质含量曲线和电阻率曲线,采用基于支持向量机预测声波、密度曲线,分别制作多口已钻开发井的精细合成地震记录。在合成地震记录集提取多种地震属性,与井点砂地比交会分析,得到对砂地比敏感的地震属性。并在实际地震资料提取敏感地震属性,成功预测渤海A油田沙三中段薄互层平面展布。以数据为驱动,赋予地震属性地质意义,探索了中深层薄互层储层的定量研究方法,对类似油田薄互层储层预测有一定的指导意义和借鉴作用。     

改进LSSVM在水平井产能预测中的应用

在水平井开发可行性论证及水平井优化设计中,产能预测是重要依据,常规产能预测方法,由于样本较少和影响因素多,预测精度难以保证。为此,采用最小二乘支持向量机方法回归出预测模型进行水平井产能预测。最小二乘支持向量机对标准支持向量机进行了改进,把不等式约束改为等式约束,把误差平方和损失函数作为训练集的经验损失,把解二次规划问题转化为求解线性方程组问题,较好地解决了水平井产能预测样本少、影响因素多的问题。引入粒子群优化算法来优选最小二乘支持向量机中的参数组合,〖JP〗既克服了交叉验证法耗时长的缺点,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点。以大庆油田某一区块10口水平井的生产资料作为样本,采用最小二乘支持向量机方法回归出预测模型,对该区块两口水平井的产能进行了预测,结果表明,预测产能与实际产能的最大相对误差小于15%,能够满足工程需要。      

基于偏最小二乘回归法的储层厚度预测

首次采用偏最小二乘回归法进行储层厚度预测,推导其数学算法,总结其优势,建立正演模型分析其可行性。针对靶区的地震数据进行地震属性的提取,优选出可以较好地描述砂体分布情况的5种属性,分别为波峰数、平均振幅、平均瞬时相位、振幅立方差和能量半衰时。利用这5种属性分别对靶区应用主成分分析法、神经网络法和偏最小二乘回归法,得到井点处的砂体厚度预测值。根据各自绝对误差和相对误差,推断应用最小二乘回归法预测砂体厚度值更为准确。根据建立的回归方程,对靶区进行砂体厚度预测,得到砂体厚度分布情况。     

基于偏最小二乘回归方法的毛管压力曲线预测超致密砂岩储层渗透率

由于川西坳陷南部大邑构造须家河组三段超致密砂岩储层渗透率影响因素复杂,经分析、计算发现基于毛管压力曲线的多种经典渗透率预测模型预测精度不理想且存在一定的局限性。为提高超致密砂岩储层渗透率预测精度,在详细分析6种经典渗透率预测模型存在预测误差原因的基础上,优选特征参数,综合考虑孔喉半径、孔喉分布等多项渗透率影响因子,采用留一交叉验证法确定的模型最佳潜变量个数,应用偏最小二乘回归方法（PLSR）建立Winland-r5（PLSR）模型、Pittman（PLSR）模型、Swanson（PLSR）模型3类超致密砂岩储层渗透率预测模型,有效地解决了基于普通最小二乘回归方法（OLS）的渗透率预测模型面临众特征参数多重共线性、小样本不具备模型泛化能力的问题。结果表明,基于偏最小二乘回归方法的3类渗透率预测模型,预测超致密砂岩储层渗透率的误差明显降低,具备泛化能力强、预测精度高、适用性良好的优势。     

基于主成分分析的最小二乘支持向量机岩性识别方法

测井解释过程中的岩性识别实质是多个指标数据的模式识别问题。常规测井解释方法很难表征储层的真实特性。提出一种基于主成分分析的最小二乘支持向量机的岩性识别预测模型（PCA—LSSVM）;介绍了主成分分析法和最小二乘支持向量机原理。通过主成分分析方法对测井数据进行分析并提取影响岩性识别的主要因素．依据分析结果建立基于最小二乘支持向量分类机的岩性识别模型。云南陆良盆地3口井的117个地层的识别结果与实际取心资料的符合率达到92．5％。应用表明,将主成分分析结合最小二乘芰持向量机进行岩性识别．简化了网络结构．具有更快的运算速度和准确率．是一种值得推广使用的方法。     

基于局部最小二乘支持向量机的潜空间广义预测控制器

针对多变量、非线性、时变的实际工业过程系统,提出了一种基于局部最小二乘支持向量机的潜空间广义预测控制方法。该方法通过偏最小二乘构建潜变量空间,从而将复杂的多变量系统转变成多个单变量子系统,然后在每个采样点利用即时学习选择相关数据样本,在潜空间内在线建立每个单变量子系统(SISO)的局部最小二乘支持向量机(LSSVM)模型,最后利用广义预测控制器对这多个子系统分别实施预测控制。利用即时学习剔除冗余数据样本,提升了LSSVM的鲁棒性,并且使其更适用于实时建模和控制。利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。     

河流相储层结构地震响应分析与预测

河流相储层纵向多期叠置切割,横向变化快,具有较强的空间非均质性。受限于海上大井距与地震资料分辨率,河流相储层描述与结构表征存在不确定性。本文针对河流相储层砂体发育特征,构建了反映砂体厚度变化、多期叠置与夹层发育的四类储层结构模式,基于地震正演分析了四类结构模式的地震响应特征与敏感属性,提出了河流相储层结构样式滑块模型,并建立了反映河流相储层结构主因素变化的砂岩厚度与泥质夹层数量及夹层空间位置变化的地震敏感属性响应模板。最后,利用概率神经网络算法实现了模型数据与实际Q油田储层结构预测,选取29口井作为检验井,储层结构预测的吻合率为86%。本文研究可为油田开发的井位设计与优化提供有效的技术支持。     

基于最小二乘支持向量机的固井质量预测

提出利用最小二乘支持向量机进行固井质量预测方法,采用小波包分解方法提取地层回波信息信号,并将其作为最小二乘支持向量机的输入量,将样本的固井质量状态作为输出量,对样本的输入量和输出量进行不断的训练学习,得到最小二乘支持向量机模型,利用该模型进行固井质量预测。研究结果表明:基于最小二乘支持向量机模型的计算结果与测试样本拟合精度较高,可以用于现场固井质量预测。     

无监督与监督学习下的含油气储层预测

利用地震数据直接预测含油气储层分布情况是油气地震勘探的终极目标之一。含油气储层对纵、横波的敏感度存在差异,这种差异突出了含油气储层的地震特征。鉴于此,发展了一种基于无监督与监督学习下的多波地震油气储层分布预测方法。首先,利用不同卷积核卷积升维形成各类纵、横波地震属性,然后,利用聚类分析法进行无监督学习,通过聚类分析分别对纵、横波地震属性降维,再利用聚合法求取能突出油气储层特征的多波地震聚合属性,最后以降维后的聚合属性作为支持向量机的学习集进行含油气储层地震预测。实际应用结果表明,所预测的含油气储层边界更加清晰,与实际情况基本吻合。     

基于地震属性优选与支持向量机的油气预测方法

 地震属性分析技术是油气藏勘探开发中的主要研究内容。在利用地震属性进行油气预测前,必须优选出对研究区块油气敏感、彼此相关性不强的属性组。本文针对支持向量机提出一种新的特征选择算法,通过定义核特征相似度推导出核空间类可分性度量,并根据类可分性的变化递归选择最具判别能力的属性子集。将本文算法与支持向量机结合应用于四川观音场构造阳新统上部碳酸盐岩储层和大庆油田Ｇ开发区块的油气预测,预测结果验证了本文方法的有效性,可以成为油气预测中的一种可选方法。     

基于粒子群优化的相关向量机算法的井震联合储层参数预测与不确定性评估

目前有岩石物理、地质统计学及地震多属性三类方法预测孔隙度和饱和度。第一类应用广泛且物理意义明确,但预测结果具有一定局限性。第二类可以获得较常规方法分辨率更高的预测结果,但在构造复杂区域预测储层参数存在一定困难。第三类中的支持向量机算法（Support Vector Machine,SVM）的计算复杂度随着样本增加而增加,且难以评估预测结果的不确定性;第三类中的相关向量机算法（Relevance Vector Machine,RVM）没有明确的理论指导核参数选取。为此,利用粒子群算法（Particle Swarm Optimization,PSO）指导核参数选取,在获取最优核参数基础上定量预测储层参数;同时考虑到变异系数可消除量纲的影响,引入变异系数评估预测结果的不确定性,结合逐步回归算法优选地震属性,提出了一种基于粒子群优化的相关向量机算法（PSORVM）的孔隙度与饱和度定量预测方法。数值模拟和实际数据应用结果表明：(1)PSO-RVM具有较好的学习性能和泛化能力,且具备一定的抗噪能力;PSO-RVM预测结果的均方根误差低于RVM,预测精度更高,说明PSO可以有效指导RVM核参数选择,...     

多信息储层预测地震属性提取与有效性分析方法

针对多信息储层预测，介绍了QuincyChen等人基于储层特征的地震属性分类，讨论了地震时窗的选取和属性预处理方法，提出了地震属性有效性分析基本准则和工作程序，并对优选地震属性的主要算法进行了介绍，结合大庆宋节屯油田芳深2区块储层预测给出了一个应用实例。指出精细的地震属性提取与有效性分析是高精度地震储层预测的前提，期望引起人们对地震属性的高度重视。     

基于井控多属性机器学习的缝洞型储层预测方法

碳酸盐岩缝洞体具有强非均质性特征,单一地震属性预测和常规地震属性融合方法未考虑钻井过程中放空、漏失等信息,预测误差较大。基于实钻井井震标定,将放空漏失点属性特征作为约束条件,提出基于井控多属性机器学习的缝洞型储层预测方法,实现缝洞体精细预测。首先根据实钻井井震标定结果,提取漏失点位置的不同敏感地震属性值作为数据输入数组,根据漏失点特征定义的储层类型作为输出数组,形成训练集数据;然后基于支持向量机（support vector machines,SVM）方法,对训练集数据进行模型训练,得到符合先验信息的井震一致的预测模型;最后将该模型应用于塔里木盆地顺北地区奥陶系缝洞型储层预测。结果表明该方法能很好地反映真实储层类型特征,与钻井特征有很高的吻合度。     

XGBoost算法在致密砂岩气储层测井解释中的应用

传统单一模型的机器学习方法用于致密砂岩气储层测井解释时存在多解性,为此,将XGBoost算法应用于致密砂岩气储层测井解释。基于A工区测井解释资料,以不同种类的测井资料作为输入变量,通过XGBoost算法建立回归预测模型,预测该区孔隙度与渗透率参数,并探讨了XGBoost算法中各类参数的优化。以准确率指标为评价标准,通过XGBoost算法建立的分类预测模型对该区储层类型进行预测,同时与随机森林方法和支持向量机算法进行比较,XGBoost算法的预测效果较好。结果表明XGBoost算法能准确地预测孔隙度、渗透率并对该工区致密砂岩气层进行有效识别。     

支持向量机在储层厚度预测中的应用

将支持向量机运用到储层厚度估计中，利用地震属性及少量测井作为学习样本进行储层预测。通过引入窗口核函数，准确地反映了不同深度的地质信息。通过实例将支持向量机预测结果与BP网络预测结果进行比较，结果表明该方法有效可靠，预测精度高，可很好地解决BP网络方法中无法避免的局部极值问题。     

地震多属性孔隙因子参数反演及其在伊拉克M油田碳酸盐岩储层预测中的应用

储层孔隙结构刻画是预测有利储层的关键。伊拉克M油田发育礁滩相碳酸盐岩储层,受成岩作用影响,储层孔隙结构复杂,具有相同孔隙度的储层渗透率存在明显差异。核磁共振测井及取心井岩心资料分析结果表明深、浅侧向电阻率差异与储层的孔隙结构具有相关性,基于电阻率与孔隙度参数构建了储层孔隙因子,提出了地震多属性孔隙因子参数反演方法,其算法实现分三步:(1)利用波阻抗反演识别储层与基质;(2)应用专家优选与自动优化组合方法进行孔隙因子参数敏感地震属性优选;(3)利用概率神经网络算法对优选的地震属性进行地震多属性孔隙因子参数反演。实际应用效果验证了该方法的有效性,有利储层预测结果为油田开发井位部署提供了支持。     

基于聚类分析的地震属性优化及储层预测——以敖包塔油田敖9工区为例

应用常规地震属性分析技术进行储层预测已受到普遍重视并得到广泛应用,然而由于地震属性与所预测对象之间关系复杂,应用单一地震属性预测储层精度不高,且地震属性种类繁多不能同时参与预测,而地震属性优化技术恰能较好地解决这个问题。为此,采用基于聚类分析的地震属性优化方法,通过计算属性间的相关系数,确定相关程度,优选属性组合进行储层预测。在松辽盆地大庆长垣南部敖包塔油田葡萄花油层储层预测中,单一地震属性预测储层砂体砂岩厚度和有效厚度的相关系数分别为0.7317和0.6734,而采用聚类分析的地震属性优化方法优选属性组合后预测储层砂体相关系数可达到0.8515和0.7704,预测精度明显提高。     

渤海复杂薄互沉积储层地震定量预测方法及应用——以垦利X油田沙河街组储层为例

垦利X油田沙河街组储层厚度薄,单层厚度多数小于4 m,砂泥互层结构明显,受埋深影响,地震资料分辨率低,储层预测难度大。充分应用工区三维地震信息,在精细层序格架约束下,通过地层切片及属性提取与分析技术,提取多种类地震属性,在地质分析及井点信息约束下,优选出最能反映沉积特征及储层分布的地震属性,然后分析井点砂泥岩参数与地震属性的相关性,建立储层参数与地震属性的关系对地震属性进行标定,最终在沉积模式约束下,实现基于地震属性分析技术的薄互沉积储层定量预测。