应用支持向量机方法预测储层敏感性

介绍了支持向量机的基本理论;通过单相关分析找出影响储层敏感性的主要因素,应用测井资料提取这些敏感性参数,使用支持向量机算法,以影响敏感性的主要因素作为支持向量机网络的输入层,预测储层的敏感性.分别使用支持向量机和BP神经网络2种方法对×油田的测井资料进行了处理、分析.对比结果表明,用支持向量机得到的速敏、水敏、盐敏的预测结果具有更高的预测精度.这说明支持向量机预测储层敏感性是一种切实可行的方法.     

利用支持向量机法预测地震储层厚度的尝试

支持向量机方法基于结构风险最小化原理,克服了常规统计方法的局限性,能够在有限的样本集基础上兼顾模型的通用性和推广性,预测精度更高.因此,利用支持向量机方法对地震储层厚度进行了预测,预测结果与实际情况吻合.与BP神经网络预测结果进行对比分析的结果表明,采用支持向量机方法预测的效果较好,是一种值得推广的方法.     

地层可钻性级值预测新方法

对测井资料与地层可钻性级值的关系进行了分析,提出了一种基于粒子群优化支持向量机算法预测地层可钻性级值的新方法,利用测井声波时差、地层密度、泥质质量分数和地层深度进行学习训练支持向量机,并利用粒子群优化算法对支持向量机(PSO-SVM)参数进行优化,建立了预测地层可钻性级值的支持向量机模型。应用该方法对准噶尔盆地庄2井的地层可钻性级值进行了预测,并将该方法的预测结果与BP神经网络方法的预测结果进行了比较。结果表明,该方法优于BP神经网络方法,具有预测精度高、收敛速度快、推广能力强等优点。     

钻头下部未钻开地层的可钻性预测新方法

根据地层可钻性时间序列特征,应用支持向量机理论,提出了一种对钻头下部未钻开地层的可钻性进行预测的地层可钻性时序支持向量机预测方法,并建立了基于支持向量机的地层可钻性时序预测模型.应用该方法对长庆油田富古1井的地层可钻性进行了预测.将该预测结果与BP神经网络方法的预测结果进行对比分析的结果表明,该方法优于BP神经网络方法,具有预测精度高、推广预测能力强等优点.     

基于支持向量机的分层注水效果预测模型设计与实现

将影响分层注水效果的井控储量、渗透率变异系数、连通率、原油粘度、月产油量、含水率、连通油井数、分注的分段数作为输入参数,将评价分层注水效果好坏的无因次增油量作为输出参数,建立了基于支持向量机的分层注水效果预测模型。选用油田实施井例建立了支持向量机的学习样本和检验样本,使用支持向量机的回归训练算法对学习样本进行学习训练,然后对检验样本进行预测运算,结果表明支持向量机方法能够达到较高的预测精度。与油藏数值模拟法和BP神经网络法计算结果进行对比,表明了支持向量机方法的预测精度高于其他两种方法,可以用来预测分层注水的效果,指导油田进行分层注水选井工作。     

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。      

基于支持向量机的气井新井产能预测

运用基于统计学习理论的支持向量机方法,建立了影响因素与气井新井产能之间的预测模型,利用其训练算法对模型进行训练,然后对检验样本进行预测。与传统的神经网络方法预测结果进行对比表明,支持向量机方法能够达到较高的预测精度,是一种有效的预测气井新井产能的数据建模方法。     

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。     

利用支持向量机方法求取缝洞型油气藏地层系数

将支持向量机方法应用于缝洞型油气藏地层系数的预测.以国内某典型缝洞型油气藏为例,选取已进行试井分析的12口典型单井资料(包括对应的开发数据)作为学习样本,构建预测地层系数的支持向量机模型,并对模型进行了检验,结果表明,利用支持向量机方法所预测的地层系数与试井解释所得的实际值较为吻合,证实了利用该方法预测、评价缝洞型油气藏地层系数的可行性.     

支持向量机方法在储层预测中的应用

传统储层预测学习方法大都基于经验风险最小化准则，预测效果不理想。而基于结构化风险最小化准则的支持向量机方法，通过对推广误差（风险）上界的最小化达到最大的泛化能力和全局最优，具有可靠的预测能力。对支持向量机法的方法原理，即非线性模式识别法和非线性函数估计法进行了讨论，并采用不同的样本数，将其与神经网络法作对比，结果表明，2种方法的训练结果精度都较高，但对sinc函数的估计结果，支持向量机法更可靠。在胜利油田某区块应用了向量机法，以地震波波形作为输入向量进行了砂体孔隙度和含油性预测，预测结果与已知结果吻合较好。     

Using a support vector machine method to predict the development indices of very high water cut oilfields

Because the oilfields in eastern China are in the very high water cut development stage, accurate forecast of oilfield development indices is important for exploiting the oilfields efficiently. Regarding the problems of the small number of samples collected for oilfield development indices, a new support vector regression prediction method for development indices is proposed in this paper. This method uses the principle of functional simulation to determine the input-output of a support vector machine prediction system based on historical oilfield development data. It chooses the kernel function of the support vector machine by analyzing time series characteristics of the development index; trains and tests the support vector machine network with historical data to construct the support vector regression prediction model of oilfield development indices; and predicts the development index. The case study shows that the proposed method is feasible, and predicted development indices agree well with the development performance of very high water cut oilfields.     

应用支持向量机方法预测砾石充填防砂井产能

影响砾石充填防砂井产能的因素很多。关系非常复杂．常规理论方法难以建立准确、适用的预测模型。为此，对防砂井产能的主要影响因素进行分析。引入支持向量机方法，与自然产能比方法相结合。建立了防砂井产能预测模型。该模型通过有限经验数据的学习。能够导出防砂前后采油指数与其影响因素的非线性关系。分别使用支持向量机模型和BP神经网络模型对砾石充填防砂井产能进行预测对比结果表明，支持向量机模型有着更高的预测精度．在小样本的模式识别方面，有着自身独特的优势。     

一种基于支撑向量机学习预测井眼轨迹的新方法

对影响井眼轨迹的几个主要因素进行了分析,提出了一种利用小样本统计学习理论中的支撑向量机来进行井眼轨迹预测的新方法,介绍了用于非线性回归估计的支撑向量机的基本原理,通过对一口或几口已钻井的轨迹数据、钻进方式和底部钻具组合结构参数进行学习训练支撑向量机,建立了井眼轨迹的支撑向量机预测模型,并利用多口实钻井的轨迹数据进行了验证。结果表明,这种新方法的预测精度远高于传统的定曲率几何预测方法。     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

基于支持向量机的去噪在电法勘探中的应用

提出了一种基于支持向量机的去噪方法。借助支持向量机在小样本情况下良好的推广能力，利用支持向量机回归逼近数据去除噪声。使用该方法对大地电磁测深视电阻率进行了处理，应用效果良好。     

基于支持向量回归机与井导向的三角洲岩性油气藏储层参数预测

三角洲岩性油气藏中储层河道砂体小、散、薄,连通性差,且与泥岩互层,导致反射信号弱,难以进行综合/精细解释。据此,本文提出基于支持向量回归机与井导向的三角洲岩性油气藏储层参数预测方法,用于刻画此类砂体分布特征。从测井资料中提取揭示储层特征的参数作为储层预测的导向,利用支持向量回归机建立多种属性与储层参数之间的映射关系,进而开展储层预测。针对CF区实例,通过估算储层的伽马参数和R4参数预测河道砂体的分布特征,所得结果与钻井揭示的实际岩性有较高吻合度。因此,本文方法适用于三角洲岩性油气藏预测。     

聚合物流变性实验研究

聚合物流变性是聚合物驱油设计理论基础, 应用DVⅢ旋转粘度计对聚合物流变性进行了系统研究。结果表明, 聚合物溶液呈现剪切变稀特性, 表观粘度是剪切速率、温度、质量浓度的函数, 同一温度下稠度系数随着质量浓度的增加而增加, 幂律指数随着质量浓度的增加而减小, 建立了描述聚合物溶液宏观流变性流变模型, 引进支持向量机的方法对聚合物的流变性进行预测, 预测结果与实际测量结果相一致, 为聚合物驱数值模拟、油藏动态预测和矿场工程设计提供了重要的依据。