支持向量机在复杂岩性测井识别中的应用

针对海拉尔盆地乌南地区岩性复杂、岩性识别难的问题,在岩心分析资料的刻度下,首先采用主成分分析法优化测井输入参数,然后利用支持向量机的方法进行学习预测,并与聚类分析和神经网络的分类结果进行了比较.对比表明,支持向量机具有结构简单、适应性强、全局优化、训练时间短、泛化能力强等优点,尤其是在解决小样本、非线性和高维模式识别等问题方面,表现出其特有的优势.该方法克服了常规统计方法的局限性,可以在有限样本的情况下得到全局最优解.应用效果表明,利用支持向量机方法识别岩性,具有解释精度高,推广性好的特点,为复杂岩性识别提供了一种新方法.     

基于模糊支持向量机方法的岩性识别

针对复杂岩性识别中存在的模糊性,提出一种基于模糊支持向量机方法的岩性识别方法。该方法在传统支持向量机方法中引入样本对岩性类别的隶属度,充分考虑储层岩性划分的模糊性和相同岩性对应的特征参数值范围很大等问题。在模糊支持向量机方法中,依据样本的重要性给不同的样本赋予相应的隶属度,使各样本在构造最优分类面时起不同的作用,从而使基于模糊支持向量机的岩性识别方法具有更好的抗噪性能及分类能力。应用效果表明该方法具有适应性强、识别精度高的优点。     

基于支持向量机的复杂碎屑岩储层岩性识别

以塔河地区石炭系碎屑岩储层的岩性识别为例,阐述了采用支持向量机技术及利用常规测井资料在取心资料少的情况下识别复杂碎屑岩储层岩性的方法。塔河地区石炭系碎屑岩储层的岩性复杂,普遍含泥、含灰和含砾,加之取心资料少和测井新技术资料缺乏,其岩性识别遇到了较大的困难。从常规测井资料中选取对储层岩性相对敏感的多种资料,选用径向基核函数和一对一多类分类编码模式,利用有限的取心资料建立岩性分类器。展示了塔河地区其中一个区块的岩性识别结果,并与BP神经网络方法的识别结果进行了对比,结果显示该方法具有更好的应用效果。     

火山岩岩性的支持向量机识别

提出了用9种火山岩的岩石类型描述火山岩储层岩性的模型,表达岩性对优质储层的控制作用。基于该模型,选取了对火山岩的岩性、组构、成因和孔隙结构反应灵敏的15种岩石物理测井参数,分别采用多元回归分析（MRA）、人工神经网络（ANN）和支持向量机（SVM）3种机器学习算法,尝试火山岩岩性的识别。在三塘湖盆地马朗凹陷牛东油田的实例中,使用了3口井的数据,其中N9-10井和N9-19井的火山岩储层为学习样本,N8-10井的火山岩储层为预测样本。利用N9-10井1361个样本和N9-19井881个样本（每个样本含15种测井参数及岩性）,通过这3种机器学习算法分别获得预测火山岩岩性的知识;然后,利用N8-10井961个样本（每个样本仅含15种测井参数）,根据上述学习获得的知识,得到这961个样本的岩性。研究发现：对于学习样本,MRA、ANN和SVM的计算与实际的平均相对误差绝对值分别为51.84%,48.66%和0;对于预测样本,则分别为52.44%,46.31%和6.30%。实例分析表明,只有SVM适用于本实例,这是由于火山岩岩性与15种岩石物理测井参数的非线性关系十分强烈。     

支持向量机算法用于水淹层测井识别

支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法。本文旨在尝试将Vapnik提出的支持向量机算法用于水淹层测井识别。本文总结了P油田水淹层的声波时差、自然电位、深感应电阻率、中感应电阻率及密度测并曲线与水淹程度的对应关系,建立了基于支持向量分类机的识别模型,并将上述参数作为训练样本的输入,油气特征作为训练样本的输出,对支持向量机进行训练。对于P油田水淹层的实际预测结果表明:支持向量机可以成为一种用于水淹层识别的有效工具。     

支持向量机方法识别储集层流体性质

在储集层流体识别中首次引入了支持向量机(SVM)方法,对测井得到的各种测量参数和综合解释参数与油、气、水等流体之间的复杂关系进行研究,借助于支持向量机方法,建立了测井参数识别油、气、水等储集层流体的识别模型。实际应用效果表明,支持向量机方法识别储集层流体类型是一种比较切实可行的方法,提高了测井解释油气水的精度,为储集层流体识别提供了一种简单可靠、识别精度高的新方法。     

一种用于测井油气层综合识别的支持向量机方法

提出了使用支持向量机分类技术在复杂储层中由常规测井、气测录井信息综合识别油气层类型的方法、步骤,重点阐述了输入特征选择、学习算法参数设置和在新疆油气田实际应用效果,并与人工神经网络、神经-模糊、最近邻分类器等3种机器学习模型识别检验结果进行了对比,检验结果表明由支持向量机所建立的油气水识别模型获得了最高的识别检验性能,其次是IncNN、FSM,而kNN相对最低,展示了支持向量机方法在复杂油气藏油气层类型识别应用中的高效性.     

多种岩性分类方法在火山岩岩性识别中的应用

基于对松辽盆地火山岩近5年的测井响应研究,探讨按照松辽盆地火山岩分类原则的二级分类类型,实现利用常规测井资料识别岩性的方法.建立了一个具有准确薄片定名信息的火山岩测井样本,通过交会图分析、聚类分析、判别分析、主成分分析、因子分析、BP神经网络、SOM神经网络及支持向量机等8种方法对样本进行处理,得出各种方法针对岩性分类...     

基于变异函数及支持向量机测井曲线插值方法

将支持向量机和变异函数结合,提出一种新的空间插值方法,改进支持向量机法.该方法将变异函数作为支持向量机目标函数的约束条件,利用了变异函数的空间相关结构重建能力,保留了支持向量机较强的非线性回归能力.为了评价该方法的插值精度,将它和4种已存在的加权距离反比法、径向基函数法、克里金法和支持向量机法等空间插值方法应用于测井的地温场数据、煤层厚度数据以及测井声波时差曲线的插值重构,结果表明,改进支持向量机算法相对其他插值重构算法具有较高的插值精度和较好的相似度,能够很好地实现对空间区域变量的插值重构.     

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。     

基于岩性扫描测井的混积岩岩性识别——以玛湖凹陷风城组为例

准噶尔盆地玛湖凹陷二叠系风城组发育富含油气的陆相混积岩,岩性变化快,矿物种类多,利用常规测井无法有效识别岩性。利用岩性扫描测井,获得地层中主要元素的质量分数,根据矿物敏感元素与矿物的关系计算矿物质量分数。利用长英质矿物含量与碳酸盐矿物含量的比值构建混积岩指数,利用中子孔隙度与核磁共振总孔隙度的差值构建泥质指数,将混积岩指数与泥质指数交会形成风城组混积岩岩性识别图版。结果表明,矿物含量计算精度高,平均相对误差仅为6.5%,岩性解释符合率为90.9%,满足测井评价的需求,可为混积岩型页岩油藏的测井岩性识别提供借鉴。     

岩性随钻实时识别方法--滑动窗口法研究

利用随钻工程参数进行实时识别岩性研究，既有助于钻井过程中及时发现油气层，又能为及时的地层异常压力预报提供地质基础；与随钻测井相比，岩性随钻识别实时性更强，而且成本很低。动态滑动窗口法是一种随钻岩性识别方法，它利用有效信息窗口、参考信息窗口、区域信息窗口等途径寻找数据中的隐含信息，用以进行综合判别，且窗口是以自适应、自组织的方式随着钻深向下滑动，实现有效信息窗口的动态变更。该方法克服了传统静态岩性识别方法的局限，真正反映了整口井中地层性质和钻井施工均具有的复杂变化的整体中存在较稳定局部的非线性变化规律，可以有效地随钻实时识别复杂地层剖面的岩性，识别成功率大于80％。     

神经网络在岩性识别中的应用

将神经网络方法引入测井资料的处理和解释中,以塔里木油田某取心井为实例,进行砂岩,泥岩和灰岩的自动识别、识别结果说明了神经网络方法的有效性。     

盐家油田深层砂砾岩储层岩性自动识别新技术

盐家油田深层砂砾岩储层岩性复杂,不同岩性的测井响应特征差异小,不易识别.岩性识别是储层参数计算和油水层判别的基础.提出了以常规测井资料为基础的NRA岩性自动识别技术,分析岩性敏感性,并剔除物性影响,最终构建出1条反映粒序变化的岩性判别曲线,通过岩心描述和电成像资料刻度,实现了砂砾岩岩性自动识别.经现场验证,该方法有效地...     

基于改进KNN算法的潜山复杂岩性测井识别方法

兴隆台中生界砾岩油气藏是辽河坳陷近年发现的大型整装构造-岩性油藏,探明程度低,勘探潜力大。油藏受岩相与构造的共同控制,储层非均质性极强,岩性类型复杂多样,导致测井识别难度较大,严重制约了该区的勘探进程。为此,依据岩心观察、岩屑录井及薄片鉴定结果,按照储层分类评价需求及测井可识别原则,重新将研究区岩性划分为碎屑岩和火山岩两大类,具体包括花岗质砾岩、混合砾岩、砂岩、泥岩、玄武岩、凝灰岩等6种岩石类型。通过分析不同类型岩石的测井响应特征,建立岩性交会图版,确定敏感测井参数。在此基础上,针对测井数据特点,对K最邻近值(KNN)算法进行改进,提出了基于测井属性加权的剪切邻近(MKNN)机器学习算法,并用于岩性预测。结果表明：相比传统的K最邻近值(KNN)算法,MKNN算法效率更高,解决了KNN算法受岩性样本类型不均衡及测井参数重叠的影响,岩性识别准确率由82.3%提高至88.7%,有效地解决了勘探老区岩性精细评价问题。该研究对提高复杂岩性油藏的测井评价精度具有一定的借鉴意义。     

利用地层元素识别沉积岩岩性和矿物含量计算方法

地层元素测井测量得到地层岩石骨架的Si、Ca、Fe、S、Ti、Gd、Mg、K、Mn、Al等10余种元素的含量主要用于确定矿物含量和识别岩性。地层元素的解释方法是根据岩心分析资料确定地层矿物组合模型,利用最优化算法计算地层矿物含量,根据地层矿物含量识别岩性。其局限性是解释中需要根据岩心分析资料先确定矿物组合,再进行矿物计算,在没有岩心分析资料的井中确定矿物组合模型是个难题。以大量岩石物理数据作为研究基础,利用岩石的主要造岩矿物黏土、石英、长石、方解石和白云石含量的大小对沉积岩进行了重新的命名分类;分别建立单元素岩性识别图版和多元素组合岩性识别图版,并给出分类的公式;在岩性分类的基础上,建立元素含量与主要矿物含量的解释模型,从而建立了沉积岩岩性分类标准、元素识别岩性、确定矿物含量一套完整的解决方案。分析表明以上方法精度较高,可配合国产地层元素测井仪器在复杂岩性和非常规油气领域进行应用。     

应用录井参数综合判别岩性

使用PDC钻头钻进时，机械钻速快，岩屑细小，钻时变化不明显，造成地质录井困难，因此，必须找出更直观，快捷的方法判别岩性，以适应现代录井之要求，东海西湖凹陷几口钻井实践表明，扭矩曲线和顶驱转速曲线形态的变化，气测值的变化与岩性有着密切关系。这些录井参数的综合应用，对快速建立岩性剖面，及时发现油气层，卡准取心层位有着重要意义。     

用数据挖掘方法识别碳酸盐岩岩性

碳酸盐岩储层受沉积、构造及成岩作用影响大,测井曲线不能完全反映岩性性质。分析常规交会图法在碳酸盐岩储层岩性识别中整体识别率偏低的原因。通过对比决策树、人工神经网络、支持向量机和贝叶斯网络等数据挖掘方法,发现决策树具有较高的识别正确率。采用该方法分析常规测井数据,通过构造新参数Rd/AC和Rd/Rs进行碳酸盐岩岩性识别,准确率可达到89.32%。实际应用表明,地质、测井知识和数据挖掘方法相结合,能有效识别常规方法无法准确判断的岩性,通过改进不同的优选参数,提高岩性识别的准确率,为储层沉积相解释提供更准确的地质信息。     

基于约束最小二乘理论的复杂岩性测井识别方法

引入约束最小二乘算法对测井响应方程进行线性优化,建立了针对复杂岩性地层多矿物地层组份测井解释模型以及线性约束最小二乘问题模型CFEA,基于现代矩阵分解和变换理论给出了求解,求取了线性约束最小二乘问题的算法,处理精度和计算速度得到进一步的提高.计算的测井曲线包括补偿密度、补偿中子、声波时差、深侧向电阻率、浅侧向电阻率以及无铀伽马曲线,待求的未知参数包括孔隙度、泥质含量、白云岩含量、灰岩含量等地层组份及含水饱和度等地层参数.应用于四川碳酸盐岩地层测井资料数字处理,处理结果表明,应用该算法进行测井资料岩性识别,运算速度快,识别精度高,具有很好的应用前景.     

SKD3000数控测井系统与2222岩性密度的配接

文章简要描述了2222岩性密度仪器的通讯传输原理,阐述了SKD3000数控测井地面系统配接2222岩性密度过程中需要解决的技术问题,包括刻度程序、算法程序和处理程序的程序设计方法,最后介绍了仪器配接的刻度和操作过程。