支持向量机在多地质因素分析中的应用

将支持向量机、人工神经网络、多元回归分析及参数乘积判别法4种算法分别应用于鄂尔多斯盆地塔巴庙地区40个致密砂岩储层的含气性评价,其预测结果与试气结果的平均相对误差绝对值分别为:0,4.63%,29.71%,18.75%。该实例表明:前两种非线性算法远比后两种线性算法优越;非线性算法中,支持向量机比人工神经网络优越;线性算法中,参数乘积判别法比多元回归分析优越。其根本原因在于:含气性与其相关地质因素(孔隙度、渗透率、含气饱和度)之间存在着复杂的非线性关系。因此,当描述一个研究目标与多个相关地质因素的复杂关系时,应提倡采用非线性算法,特别是在耗时巨大、多次反复进行多地质因素分析的数据处理作业中,应提倡采用支持向量机。因为它与人工神经网络相比,具有计算速度快、计算结果精度高的特点。另外,参数乘积判别法也具有简明、快速的优点,其精度远高于多元回归分析;而多元回归分析不仅计算速度快,而且还具有能表达研究目标与其相关地质因素之间亲疏关系的优点,可作为辅助手段。     

乌尔逊凹陷北部圈闭综合评价

应用人工神经网络方法和灰色系统关联分析方法对乌尔逊凹陷北部构造圈闭进行了评价。神经网络方法的优势在于能从复杂的圈闭含油气性与相关地质因素之间的关系中建立非线性预测网络,而不必考虑地质经验和模式;灰色关联分析则在地质经验的基础上,通过圈闭评价标准的建立,对圈闭进行描述和比较,进而确定圈闭评价级别。评价结果表明乌尔逊凹陷北部具有良好的含油气远景,黄旗庙构造带、苏仁诺尔构造带,以及乌中断裂附近各圈闭应该是勘探中的重点。研究结果显示,在油气田勘探的特定阶段,综合应用这两种方法评价圈闭是科学合理的。     

多层圈闭资源量计算方法研究——以两层圈闭为例

容积法是圈闭地质资源量计算常用方法,包括确定法和概率法2种。与确定法相比,概率法可提供不同风险的圈闭地质资源量值,能更好地对圈闭地质资源量的不确定性进行评估。当勘探目标具有多套目的层时,以往是将各目的层圈闭资源量算术加和作为勘探目标资源量,该算法经常造成与实际地质储量相差较为悬殊,从而失去钻前资源量计算参考价值。在考虑圈闭各目的层风险（或含油气概率）的基础上,通过分析各目的层之间的地质相关关系,即:无地质相关、部分地质相关和完全地质相关3种情况,计算出不同成功情况下的圈闭含油气概率和风险后的地质资源量,并利用风险后的地质资源量除以至少有1个目的层成功的含油气概率,最终得到多层圈闭（勘探目标）资源量。      

支持向量机在裂缝预测及含气性评价应用中的优越性

为了对比多元回归分析（MRA）、人工神经网络（ANN）和支持向量机（SVM）三种算法的应用效果，分别将其应用于两个实例：对南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测；对鄂尔多斯盆地塔巴庙地区致密砂岩储集层孔隙度、渗透率和含气饱和度的40个样本进行含气性评价。两个实例分析表明：①非线性算法（SVM和ANN）远比线性算法（MRA）优越；②SVM表现绝对的优越性（计算误差均为零、计算速度快），是迄今最佳的机器学习方法；③在实例1中ANN与SVM相比几乎是同等优越，但在实例2中ANN的精度比SVM低得多；④MRA计算速度快、具有ANN和SVM所不具备的能表达研究目标与相关地质因素之间亲疏关系的优点。因此，当描述一个研究目标与多个相关地质因素的复杂关系时，应提倡采用SVM，而MRA可作为辅助应用。图4表3参27     

基于多元回归模型重构测井曲线的方法研究及应用

地层岩性、物性和含油气性与测井曲线之间存在一定的相关性,不同的测井曲线常常反映不同的地层性质,因此,很难用单一的函数来描述曲线之间的数学关系。 多元回归技术是处理变量间相关关系的有效方法,目前已得到广泛应用。 一般运用多元线性回归模型来描述测井曲线之间的关系,该模型对简单的地层特性关系分析较为有效,但随着地质影响因素的增多,其效果也往往欠佳。 为此,以常规多元线性回归模型为基础,推导了非线性回归模型,将复杂的非线性问题简化为较为简单的线性问题来处理,增强了多元回归技术的适用性;同时,建立了多元回归原始参数与模型的优选方法,为最优回归结果的获取提供了技术支撑;最后,探讨了测井曲线重构在地质与工程作业中的具体意义,并以 3 个应用实例证明了该技术的可行性。     

我国东部断陷盆地石油排聚系数统计模型的建立

根据我国东部断陷盆地 15 个标准区的石油排聚系数及其相关地质参数的统计数据,通过对排聚系数诸地质因素的相关性分析,确定其主控地质因素。研究认为石油排聚系数与评价单元烃源岩的生烃强度、储集层的孔隙度、渗透率、圈闭面积系数及生储盖组合数目 5 大地质因素关系密切。采用多元回归法建立了我国东部断陷盆地石油排聚系数与其主控地质因素之间的统计模型,建立了预测排聚系数的数学模型,使石油排聚系数取值更合理、客观,从而提高了油气资源评价成果的可信度和可比性。     

济阳坳陷地层圈闭成藏特征及地质风险评价

济阳坳陷地层圈闭分为地层超覆不整合、地层削蚀不整合遮挡两种类型，多发育在凹陷与凸起结合的斜坡部位．环绕凹陷呈裙带状分布，其成藏受不整合面控制作用明显。由于距离烃源岩较远，油气运移聚集条件成为地层圈闭成藏的主要控制因素。针对各项评价要素，可分别采用钻探成功率分级法、累计概率曲线法、地质分析法建立其地质风险评价标准。为了反映不同评价条件及评价要素在成藏及圈闭描述识别中的作用，可利用“评价要素加权求和”的方法计算5项评价条件的评价值，在此基础上，利用“5项条件评价值加权求和”的方法求取圈闭地质风险系数。应用表明，所建立的地质风险评价标准，能反映济阳坳陷地层圈闭勘探的实际情况。     

深度延迟人工神经网络判别水淹程度

深度延迟人工神经网络模型可以计算水淹层参数和判别水淹层,此方法避开了油层水淹后,混合液电阻率难以求准的问题,所建立测井信息与地层参数之间的非线性关系更符合油层水淹后的实际情况.深度延迟神经网络模型建立了储层地质参数与测井资料之间在深度上的动态关系,即一个深度点的地质参数由多个深度点的测井数据来描述,自动考虑了上下围岩的影响,而且测井信息与水淹层参数之间的复杂关系不需要具体的数学物理模型描述,只需有合适的样本集对网络训练即可获得解释模型.对东濮凹陷濮城油田沙河街组二段下亚段20口井的测井资料处理表明,用延迟人工神经网络模型计算水淹层剩余油饱和度,进而判别水淹程度,应用效果良好,符合率达82.4%.     

中国东部断陷盆地石油资源丰度统计模型的建立

根据中国东部断陷盆地21个标准区的石油资源丰度及其相关地质参数的统计数据,通过对石油资源丰度诸地质因素的相关性分析,确定了其主控地质因素。研究认为,石油资源丰度与评价单元烃源岩的生烃强度、储集层的储层厚度、砂岩含量、孔隙度和渗透率以及圈闭面积系数6大地质因素关系密切。采用地质因素多元回归技术,建立了中国东部断陷盆地石油资源丰度与其主控地质因素之间的统计模型,建立了预测石油资源丰度的数学模型,使石油资源丰度取值更合理和客观,提高了油气资源评价成果的可信度和可比性。      

油气充注定量分析技术在南黄海盆地目标评价中的应用

油气充注是勘探成败的主要地质因素,油气充注定量分析是勘探研究中的难点和重点.通过与盆地数值模拟法的对比可知,利用汇聚单元分析法进行油气充注定量分析克服了盆地数值模拟法的不足.通过圈闭的油气汇聚单元把圈闭和烃源岩有机地联系起来,考虑了多种地质因素研究的不确定性,突出了研究圈闭的油气充注量及其发生概率,以适应勘探生产的需求,对目标评价和勘探决策具有重要意义.以南黄海盆地诸城北部凹陷A圈闭为例,利用汇聚单元法进行了圈闭的油气充注定量分析,并得出了诸城A圈闭的烃类充注以油为主且充注风险较小的认识.     

多元回归和神经网络在多影响因素下优选压裂候选井层中的应用

针对乌里雅斯太凹陷储层非均质性强、隔层遮挡性差、压裂井投产后效果相差悬殊,优选增产效果好的候选井层难的特点,本文提出了利用多元回归和神经网络优选待选压裂井层的方法。根据前期压裂井的有效资料,选择了对压裂效果影响较大的9个因素作为基本参数,建立了压裂井层的数据库。计算结果表明:多元线性回归不能满足优选压裂井层的需要;二次回归和神经网络方法能够满足选井选层的非线性问题,两者拟合误差均为0,预测误差平均值为0.57%和0.47%,能够满足工程的需要。     

基于GRU神经网络的测井曲线重构

通过测井曲线解释可以获得地层岩性、电性以及孔渗饱等地层参数,然而,实际应用中时常出现部分测井数据失真或缺失的情况,而重新测井不仅价格昂贵且实现较困难。目前基于传统的线性假设和统计分析的测井曲线重构方法已不能满足储层特征的精细描述要求。门控循环单元（GRU）神经网络是一种适合于解决非线性和时序性问题的新型深度学习算法。基于深度学习的最新成果,提出使用GRU神经网络进行测井曲线重构。该方法兼顾了测井数据之间的非线性映射关系、数据随储层深度变化的趋势及历史数据之间的关联性。对实际资料进行试算,并与多元回归方法结果对比,表明GRU网络模型取得了良好的重构效果,为测井曲线重构提供了一种新的思路。     

人工神经网络方法预测润滑油基础油的抗氧性

用反向传播神经网络方法研究了润滑油放置氧弹时间与基础油化学组成之间的关系。研究表明，网络方法比常用的线性或指数关联法更能准确地关联和预报润滑油基础油的抗氧性。本文还对输入参数的选择及过拟合现象的预防方法进行了研究。     

电性拓扑状态指数预测烃类物质闪点

 摘要：建立了一个应用电性拓扑状态指数预测烃类物质闪点的定量结构-性质相关性(QSPR)的研究模型。该指数易于计算，有较强的同分异构体区分能力。计算了116种烃类化合物的原子类型电性拓扑状态指数(ETSI)，并以其有效表征物质的分子结构特征。分别采用线性回归分析法和人工神经网络法对所研究化合物的闪点与其分子结构之间的定量关系进行研究。训练集的线性回归方法和神经网络方法的平均相对误差分别为3.8%和2.7%；测试集的两种方法的平均相对误差分别为3.1%和2.0%。实验结果表明，无论是线性回归分析法还是人工神经网络法，闪点预测值与实验值均符合良好，优于传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物闪点的新方法。     

基于电性拓扑态指数的液态烃类燃烧热预测

以原子类型电性拓扑状态指数(ETSI)有效表征122个液态烃类物质的分子结构,并分别应用人工神经网络和多元线性回归方法,对这122种液态烃类物质的燃烧热进行关联和预测研究,建立应用电性拓扑状态指数预测烃类物质燃烧热的定量结构—性质相关性(QSPR)研究模型。应用人工神经网络和多元线性回归方法对训练集样本的预测平均相对误差分别为1.17%和0.95%,对测试集20种烃类物质的预测平均相对误差分别为1.49%和1.05%。实验结果表明,无论采用人工神经网络法还是多元线性回归法,燃烧热预测值与实验值一致性均令人满意。可见应用电性拓扑态指数法预测液态烃的燃烧热是可行的,为工程上提供了一种根据物质结构预测烃类物质燃烧热的新途径。     

地震孔隙度反演技术在川西砂岩储层中的应用与比较

孔隙度是描述储层品质的一个重要参数，对生产开发和储量估计具有重要的意义。岩石孔隙度和地震波速度之间存在着内在联系，利用地震和测井数据反演井间孔隙度值是储层预测的主要内容之一。文章探讨了单属性和多属性多元线性回归法、神经网络法、几种克里金法、随机模拟法等多种孔隙度反演方法的基本原理、特点和适应条件，并分析对比了孔隙度预测方法在川西BMM构造陆相碎屑岩储层的应用效果。结果表明，在川西地区岩性变化快、砂岩储层非均质性强、孔隙度值变化大的地质条件下，多属性法优于单属性法，数据驱动的克里金法和神经网络法预测效果又优于线性回归法，数据驱动与地质模型约束相结合的随机模拟方法获得了最佳的预测效果，与实际的地质情况非常吻合。     

应用人工神经网络算法的地震面波非线性反演

利用瑞雷波频散曲线反演地下介质的横波速度是一种有效可靠的地球物理方法,且已被广泛应用于近地表地质调查和勘测。传统线性反演方法已不能满足日益复杂的目标或任务的需求,而非线性反演方法因其反演速度快、原理直观易懂而倍受关注。非线性反演方法中的人工神经网络具有自组织、自学习能力、联想记忆能力、高度容错性和抗干扰性,对不同反演问题能（通过相应网络训练后）反演出相应的目标参数。鉴于此,引入BP人工神经网络对地震面波进行反演,通过网络设计、训练和学习,求得最优解而不是精确解,以此避免了其他非线性反演方法易陷入局部极小值的问题。通过选取BP神经网络对多种典型地质模型在无噪和含噪情形下得到的频散曲线分别进行反演,并对比反演结果与真实数据,验证了此方法反演频散曲线的有效性和稳定性。最后,对实际数据进行反演,并与其他方法反演结果进行对比、分析,检验了该反演方法的实用性。     

重复压裂选井选层的小波神经网络研究及应用

重复压裂选井选层需要综合考虑地质特征、油气藏特性、物性参数、测试和生产数据等多种影响因素,难以用传统的数学方法来描述这些参数间的高度非线性映射关系。而以往对重复压裂选井选层的相关研究大都是以BP-神经网络为基础建立模型,但因其算法收敛速度慢、抗干扰能力差等缺点,在应用上受到了一定限制。本文首次将小波神经网络引入重复压裂选井选层,并应用灰色理论进行了参数优选,建立了重复压裂选井选层的小波神经网络模型(该网络模型具有一致逼近和L2逼近能力,以及较强的抗干扰能力),然后在此模型基础上给出了相应的求解算法。最后在现场应用收到了良好的效果,证明了该方法的可靠性与可行性,对重复压裂选井选层有重要的指导意义。