共查询到20条相似文献,搜索用时 15 毫秒
1.
测井资料是确定地层孔隙压力的基础性资料,为此,利用测井资料来研究准噶尔盆地某区块的地层孔隙压力,开展地层孔隙压力区域研究,以充分认识异常地层孔隙压力分布规律。在分析地层孔隙压力预测传统方法局限性的基础上,提出了一种基于有效应力定理和声波速度模型的地层孔隙压力预测方法。由相关测井资料计算泥质含量、孔隙度和声波速度,利用声波速度模型计算垂直有效应力,利用密度测井资料计算上覆岩层压力,最后根据有效应力定理计算地层孔隙压力。声波速度模型由支持向量回归机(SVR)通过对相关测井、测压资料的非线性回归得到。实际应用表明,该方法能够以较高精度预测到异常地层孔隙压力,为钻井工程设计提供依据,提高钻井工艺水平,对钻井过程中防止工程事故发牛,减少地层污染,节省钻井成本有着重要的应用价值。 相似文献
2.
3.
《油气田地面工程》2016,(2)
针对气田开发过程中安全监测预警问题,结合支持向量回归机(Support Vector Regression,SVR)和相空间重构,提出了气田监测预警方法。对训练样本进行相空间重构,提取用于SVR离线训练的自变量和因变量。通过遗传算法获取最佳SVR参数,采用序列最小优化算法(Sequential Minimal Optimization,SMO)算出Lagrange乘子,构造在线预测模型,对监测信号进行预测,判别未来10个时间步长内监测值是否超出安全范围,在时间相对较充足的情况下采取有效措施,避免事故的发生。现场应用表明,所述方法在混沌信号预测方面具有较高精度,可为气田监测提供准确的预警信息。 相似文献
4.
相比常规储层致密砂岩储层不仅物性更低,而且孔隙结构更加复杂,致密砂岩储层渗透率求解较常规储层远为困难的现状导致有效储层识别精度难以达到要求。本文基于支持向量机理论在流动单元分类识别中的应用,采用孔隙结构指数对致密砂岩储层进行科学分类后,分别建立适用于该种条件下储层孔隙结构的孔-渗解释模型,所得渗透率解释精度大为提高,对有效储层识别创造了有利条件。 相似文献
5.
6.
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。 相似文献
7.
基于粒子群和支持向量机的裂缝识别 总被引:1,自引:1,他引:1
裂缝识别是裂缝性储层勘探和开发研究中所面临的关键问题和难点之一。基于常规测井资料对裂缝的响应特征,提出粒子群优化算法(PSO)和支持向量机(SVM)相结合的裂缝识别方法(PSO-SVM)。以麻黄山西区块延安组和延长组储层为例,应用交会图技术分析能较好响应裂缝的常规测井参数,用粒子群优化算法对模型参数进行全局优化选取,从而建立起研究区裂缝识别模型。用建立起的模型对研究区单井进行裂缝识别研究,将识别结果与取心照片和测井曲线进行对比,绘制出综合柱状图。实际分析表明,基于粒子群优化算法和支持向量机的裂缝识别方法的识别结果与实际地质情况相符,能较好地反应裂缝发育情况。 相似文献
8.
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。 相似文献
9.
辫状河沉积环境下的单井沉积微相解释工作易受其繁琐性与主观性影响。提出一种基于测井曲线针对辫状河沉积环境的沉积微相自动识别方法,用于单井沉积微相解释,为后续储层精细描述以及地质建模提供依据。以工区内测井曲线为基础,通过对地层单元内的测井数据进行分析,得到统计参数作为支持向量机训练的输入参数,输出对应的沉积微相解释结果。使用鄂尔多斯盆地某区块1 944组沉积微相样本数据对支持向量机进行训练,验证集由另外648组样本数据组成。2组数据集被选用于测试训练后的支持向量机在沉积微相自动识别方面的应用效果,其中第1组由648组样本数据组成,来自与训练集验证集同一区域,用于测试支持向量机对沉积微相识别效果;另外一组数据集由816组来自于不同区域的样本数据组成,用于测试方法的泛化性。结果表明该方法对2组测试集分类的正确率分别能够达到95.4%和93.1%。该方法在单井沉积微相自动识别方面具有足够的准确性与可靠性。 相似文献
10.
11.
12.
针对天然气组分浓度分析过程中海量训练样本无法实现、天然气组分气体的主次特征吸收谱线重叠严重、气相色谱分析法分析速度慢、无法进行实时在线分析等问题,将支持向量机(SVM)这一新的信息处理方法与红外光谱分析法结合,应用于天然气组分浓度分析中,利用SVM处理小样本的能力解决海量样本问题;通过建立反映天然气光谱数据样本与天然气组分浓度关系的SVM校正模型,解决天然气组分气体主、次特征吸收谱线重叠严重的问题;利用红外光谱分析速度快的优点,缩短分析时间。设计研制了基于SVM和红外光谱的天然气分析系统。该系统使用傅立叶红外光谱仪获取天然气红外光谱数据样本,对红外光谱数据样本进行数据预处理后,通过SVM校正模型进行计算分析,得出天然气组分浓度。实验结果表明,该方法的最大偏差为3.95%,与气相色谱分析法相比,具有分析速度快、可实时在线分析等优点。 相似文献
13.
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。 相似文献
14.
测井识别岩性新方法--支持向量机方法 总被引:14,自引:1,他引:13
将基于统计学习理论的支持向量机方法引入到测井资料处理和解释中。在测井岩性识别方面研究发现,支持向量机方法克服了神经网络的固有缺陷,提供了一种识别岩性的新方法。应用效果表明该方法具有适应性强、识别精度高的优点。 相似文献
15.
支持向量机在复杂岩性测井识别中的应用 总被引:1,自引:0,他引:1
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. 相似文献
16.
《钻采工艺》2019,(6)
钻井过程中的许多参数都会对井漏产生影响,比如钻井液类型、流变参数和密度等。但是,更重要的影响因素与地层特性相关,包括原地应力、孔隙压力、岩石强度以及原生裂缝。因此,针对井漏的特点及其影响因素进行分析,总结出引起井漏的主要原因,就能够在其发生早期对异常状况进行预警,以便及早采取措施,避免或控制井漏的进一步发展。支持向量回归作为一种机器学习模式,其基于统计学习理论和结构风险最小原理,能够在有限信息的基础上,对发展趋势和最优解进行推广。即在钻井过程中能够利用支持向量归回对导致井漏的大量有效数据进行整合,从而构建针对井漏的有效预警系统。这对防范钻井过程中出现的井漏风险,确保钻井安全,降低钻井成本以及提高钻井效率具有重要意义。 相似文献
17.
基于模糊核支持向量机的管道磁记忆检测缺陷识别 总被引:1,自引:0,他引:1
针对金属磁记忆检测管道缺陷判定准则的局限性,通过构造基于梯形模糊数的最大、最小贴近度的模糊核函数,提出了一种基于模糊核支持向量机的缺陷识别方法。通过构建识别函数,将管道状态划分为应力集中、微观缺陷和宏观缺陷3个等级。通过比较未形成缺陷的应力集中区域与微裂纹缺陷的特征,构造了五维支持向量机输入特征向量:小波包频带能量增量、修正傅里叶系数、区域信号的峰峰值、信号的检测切向梯度和检测法向梯度。通过实验设计,对采集的磁记忆信号进行特征提取和缺陷识别。与传统线性核与多项式核识别结果进行比较,分析表明该方法能够有效识别管道缺陷,为金属磁记忆技术精确测定管道缺陷提供了一种新方法。 相似文献
18.
19.
本文针对石油价格预测中数据选择不当、数据没有预处理和预测方法单一等问题,提出了层级支持向量机模型(SVM),予以解决。模型的第一层通过Gauss径向基核的支持向量回归机(SVR)对输入数据进行了预处理;模型的第二层对模型第一层所确定的输入数据进行融合,并做出最终的预测,最后用油价波动趋势进行了拟合分析。实例研究表明,层级SVM方法比SVR模型和BP神经网络的性能指标更优,具有很好的应用前景。 相似文献
20.
为了解决海上勘探初期地震资料解释过程中的时深关系问题,提出基于粒子群和支持向量机的时深建模方法,利用粒子群算法来优化支持向量机的参数。首先由合成地震记录标定得到每口井的时深关系;然后利用支持向量机方法建立时间与深度之间的关系模型;最后以此模型对时间域等T0图进行转换,从而得到深度域的构造图。实际测井数据和三维地震资料试验结果表明,该方法建立的时深关系模型适用于整个研究区,且时间域转换深度与井分层深度、构造深度之间的误差较小,能够满足精细构造解释的精度要求。 相似文献