基于改进集成学习的测井岩性识别方法研究

测井数据中存在大量与岩性无关的冗余信息，且各类岩性标签数据分布不均匀，严重影响岩性识别准确率，现有测井岩性识别算法无法有效解决岩性类间不平衡问题。为此提出了一种针对不平衡样本集的集成学习岩性预测方法KSMOSEL:首先以录井岩性数据为岩性样本标签，将测井曲线作为模型输入；然后将K-means算法与合成少数类过采样技术(SMOTE)相结合形成K-means-合成过采样算法，即KS采样算法，对岩性样本集进行平衡化处理；最后将采样后的数据集用于构建集成学习模型并训练，采用多个分类器模型融合构成强学习器，通过“软投票”方式预测岩性类型。以Hugoton油气田测井岩性数据为基础，采用改进不平衡样本集的集成学习岩性预测方法对岩性进行分类，并将识别效果与传统的分类模型：支持向量机、K最近邻分类、决策树、XGBoost和随机森林等模型进行对比。试验结果表明：KSMOSEL方法具有更高的精度，岩性识别准确率达到94.28%;KS采样之后，支持向量机、K最近邻分类、决策树、XGBoost、随机森林、GBDT和集成学习等模型岩性识别准确率分别提高了18.68%,12.03%,3.77%,10.23%,24....     

地震道波形分类方法在储层预测中的应用——以二连盆地白音查干凹陷为例

目前,用地震属性进行储层预测的方法大体可分为单一参数线性预测法和多参数综合分析法两大类.近年来,多参数的人工神经网络储层预测技术应用较多,但是需要选择合适的样本,并准确提取对砂体厚度反映灵敏的地震属性参数[1].在地质条件复杂的地区,由于储层厚度和岩性在横向上的变化会引起其地震反射特征发生较大变化,因而训练样本非常复杂,网络训练也难以收敛.     

基于随机森林的K-近邻算法划分火成岩岩性

针对火成岩油气藏火成岩岩性划分难,岩性划分准确率受薄片鉴定样本数量影响大的问题,利用随机森林(RF)算法分析不同的测井曲线与火成岩岩性相关性,再利用K-近邻(KNN)算法划分小样本薄片鉴定情况下的火成岩岩性。将研究成果应用于川西地区二叠系火成岩地层,结果表明:测井曲线与岩性相关程度从高到低依次为GR、R_t、DEN、CNL、AC;KNN算法划分火成岩岩性,k取值受分类数量和训练样本数量2个因素控制,样本数量较小时后者影响程度大于前者;k为3时,24个火成岩训练样本(5种岩性)KNN法回判准确率为87.5%,14个火成岩(5种岩性)测试样本测试准确率为92.5%。对比图版划分火成岩岩性,KNN算法受人为影响小,参数调节简便。该研究对小样本情况下火成岩岩性划分有重要指导意义。     

强容噪性随机森林算法在地震储层预测中的应用

地震数据和测井数据中的噪声与有效信号难以有效界定,决定了地震储层预测需采用强容噪性算法。通过训练样本中加入随机噪声证实随机森林算法具有较好容噪性,但不能据此推知它在地震储层预测中仍有很强容噪性。基于F3工区实际数据,从噪声较强的原始地震数据中提取含噪样本,由经过倾角中值滤波处理的地震数据提取去噪样本,建立多种地震属性与孔隙度参数之间的随机森林回归模型;由构建的含噪模型和去噪模型分别与原始地震数据去噪前后两个数据体进行运算,得到4种不同情况下的孔隙度数据体。结果表明：由含噪模型得到的两个预测结果受噪声干扰较大;去噪模型的两个预测结果受噪声影响较小,能有效刻画储层特征,表现出强容噪性。随机森林模型对异于样本数据的异常值具有强的容忍度。可知随机森林算法应用于地震储层预测的关键是样本数据不含噪声,而估算过程中地震数据体是否做了去噪处理对预测结果影响较小。     

利用随机森林算法预测裂缝发育带

裂缝带的预测与刻画对裂缝型油气藏的勘探开发具有重要意义。为了减少单属性预测结果的多解性,通常采用多种地震属性综合预测。裂缝发育程度与地震属性之间主要为非线性关系,为此,首先应用随机森林算法对地震属性特征与裂缝发育程度之间的对应关系进行学习,然后根据学习结果综合判别研究区裂缝发育程度,以提高裂缝带预测精度与准确率。实例表明,随机森林算法对裂缝带预测结果准确度较高,同时该方法也具有较强的普适性。     

基于随机森林算法的AVO类型判别北大核心CSCD

AVO技术可用于含气储层的识别,对油气勘探具有重要意义。人工识别储层AVO类型人为干扰因素较大,识别精度较低且耗时较长。由此,本文引入随机森林算法,利用Bootstrap重复抽样及枝叶节点分裂等技术生成大量决策树分类器,通过统计所有决策树的分类结果实现对储层AVO类型的判别。首先,基于工区内测井数据建立速度密度模型;其次,利用Shuey近似公式计算AVO曲线并获得该曲线对应的拟合多项式;第三,根据拟合多项式提取形态特征参数作为随机森林算法的训练数据集输入参数,将人工AVO类型识别结果作为输出参数,训练并得到决策树分类器;最后,以实际叠前地震数据的AVO曲线特征参数为输入参数,通过随机森林决策树分类判别得到工区内储层AVO类型。通过与近似支持向量机算法的对比结果可以看出,两种算法对储层AVO类型判别结果相近,都具有较高的准确率,但相比之下随机森林算法所需特征属性较少,泛化性较强,具有更好的普适性。     

基于随机森林算法的AVO类型判别

AVO技术可用于含气储层的识别,对油气勘探具有重要意义。人工识别储层AVO类型人为干扰因素较大,识别精度较低且耗时较长。由此,本文引入随机森林算法,利用Bootstrap重复抽样及枝叶节点分裂等技术生成大量决策树分类器,通过统计所有决策树的分类结果实现对储层AVO类型的判别。首先,基于工区内测井数据建立速度密度模型;其次,利用Shuey近似公式计算AVO曲线并获得该曲线对应的拟合多项式;第三,根据拟合多项式提取形态特征参数作为随机森林算法的训练数据集输入参数,将人工AVO类型识别结果作为输出参数,训练并得到决策树分类器;最后,以实际叠前地震数据的AVO曲线特征参数为输入参数,通过随机森林决策树分类判别得到工区内储层AVO类型。通过与近似支持向量机算法的对比结果可以看出,两种算法对储层AVO类型判别结果相近,都具有较高的准确率,但相比之下随机森林算法所需特征属性较少,泛化性较强,具有更好的普适性。     

混合概率模型驱动的叠前地震反演方法

叠前地震反演是获取复杂油气储层弹性参数、岩性及含流体性质的主要途径。常规的叠前地震反演往往将“弹性参数”、“离散岩性”和“流体因子”三者独立预测,通常忽视了储层岩性差异对弹性参数的影响,由此引入的先验信息误差会严重影响弹性参数、离散岩性及流体指示因子预测的精度。为此,考虑待反演模型参数的先验概率服从混合型概率密度分布,基于贝叶斯框架推导了由时域、频域地震、低频整合先验信息及已知模型数据点四类数据集协同约束的后验混合概率分布的显式解,将非线性边界约束算法引入叠前地震弹性参数反演中,缓解了模型反演出现不稳定解的问题;利用序贯模拟算法对后验概率密度函数随机采样,且对不同后验概率分量的模拟结果进行分类,发展了对地层连续“弹性参数”、“离散岩性”及储层“流体因子”的叠前地震同步预测方法。理论测试和实际应用验证了该方法在岩性预测和储层孔隙流体识别中的有效性和实用性。     

地震道波形分类方法在储层预测中的应用——以二连盆地白音查干凹陷为例

目前 ,用地震属性进行储层预测的方法大体可分为单一参数线性预测法和多参数综合分析法两大类。近年来 ,多参数的人工神经网络储层预测技术应用较多 ,但是需要选择合适的样本 ,并准确提取对砂体厚度反映灵敏的地震属性参数[1] 。在地质条件复杂的地区 ,由于储层厚度和岩性在横向上的变化会引起其地震反射特征发生较大变化 ,因而训练样本非常复杂 ,网络训练也难以收敛。地震道波形实际上是地震振幅、频率、相位的集中体现 ,能够真实地反映地下的地质特征。因此 ,用自组织人工神经网络技术对地震道波形进行分类而形成的离散地震相 ,能迅速预测…     

地震弹性属性的解释和应用

地震弹性属性参数与地层岩性密切相关，它的变化能够比较真实地反映出地层岩性的变化，因此，可以根据弹性属性参数及其变化，较直观、可靠地评价储层。在研究地震弹性属性参数基本意义的基础上，阐述了含油气储层的弹性参数的基本特征，探索了典型的含油气弹性参数属性剖面的解释方法和准则，并对国内外典型地震弹性参数属性剖面进行了解释，得出了有益的结论。该技术为隐蔽性岩性油气藏的勘探开发提供了新的技术支持，能够降低勘探开发风险。     

从勘探领域变化看地震储层预测技术现状和发展趋势

在分析构造、岩性地层和非常规勘探领域对地震储层预测技术需求的基础上,从勘探领域变化与地震技术储备之间的关系阐明当前地震储层预测技术存在的问题与不足。从地震波的定义出发,基于地震储层预测技术前提假设与实际勘探领域介质之间存在的差异,总结地震储层预测技术的发展趋势,分析储层预测关键技术的发展方向,给出整体技术发展建议：即以连续、非均匀、各向异性介质及其弹性波传播理论为基础;强化地震岩石物理分析和资料保真处理研究;研发基于衰减与频散以及方位相关地震属性的储层预测特色技术;通过整合技术资源,形成面向复杂岩性地层和非常规油气勘探领域的地震储层预测配套技术;做好储层预测质控,提高储层预测的精度和可靠性。     

一种叠前地震多属性反演方法

介绍了一种借助于地震波弹性阻抗提高常规叠前地震反演的精度和可靠性,进而同时提取多种地层弹性属性参数的地震多属性反演方法。利用全波测井资料确定声波阻抗(AI)和弹性波阻抗(射线路径弹性阻抗)(REI);将共中心点(CMP)道集变换成角道集并进行部分角度叠加;利用常规叠前弹性阻抗反演流程分别对小角度叠加数据及中等入射角的部分叠加数据进行声波阻抗和弹性波阻抗(射线路径弹性阻抗)反演;对反演得到的声波阻抗和弹性波阻抗(射线路径弹性阻抗)数据进行道运算,得到与弹性密度比、储层岩性变化和孔隙流体成分密切相关的地震属性;确定储层岩性和孔隙流体性质。该方法仅需要近、中角度的地震数据,其他弹性属性参数是由弹性密度比与声波阻抗之间的关系通过道运算获得,提高了计算效率,可用于绝大多数采集条件下获得的地震数据叠前反演。     

准噶尔盆地侏罗系储层含油气性相关岩石物理参数

通过模拟地层压力、温度等特征进行岩心测试,结合多波极子测井资料,对准噶尔盆地腹部侏罗系储层地震预测及含油性相关岩石物理参数进行了研究,认为单一地震属性预测岩性存在一些局限性;利用常规地震属性进行含油气检测是不可行的,阐述了在该地区应用常规纵波波阻抗技术进行储层预测及含油气性检测的难点,指出了含油气检测在利用AVO反演的同时,必须联合弹性波反演方法,才能有效提高地震储层预测和含油气性检测的成功率,对准噶尔盆地腹部合理应用地震技术预测储层和含油气性具有实际意义。     

基于粗糙极化稀疏矩阵的地震属性融合约简方法及其应用

石油地震勘探中主要采用地震属性进行油气预测,但需针对不同预测对象从众多地震属性中优选敏感属性、剔除冗余属性,以确保预测结果的准确性。为此,在充分研讨粗糙集理论和极化矩阵的基础上,提出一种基于粗糙极化稀疏矩阵的地震属性融合约简方法。通过稀疏极化矩阵组合计算,找到所有的地震属性融合约简;同时还从理论上证明了粗糙极化稀疏矩阵地震属性融合约简方法的可行性。仿真试验和实际资料应用的结果表明：该方法简单、便捷;对地震属性约简处理后,不仅可降低预测的多解性,提高预测精度,而且还可提高预测处理的效率和综合应用效果。     

运用岩性因子预测四川盆地涪陵地区茅口组白云岩储层

川东南涪陵地区茅口组碳酸盐岩与上覆吴家坪组底部炭质泥岩存在较大波阻抗差,形成连续强反射界面T_P2,屏蔽了下伏白云岩储层的地震响应,茅口组白云岩与灰岩纵波阻抗叠置,叠后地震难识别,原始CRP道集有效角度仅到20°,缺乏大角度信息,不利于叠前弹性参数求取。针对以上问题,在叠前道集优化处理基础上,采用多子波分解与重构技术对近、中角度的叠加数据进行了去强轴处理,再通过贝叶斯稀疏脉冲反演求取了两个叠加数据体的射线弹性阻抗体,最后利用近、中角度的射线弹性阻抗体通过坐标旋转技术构建了岩性因子,进行白云岩储层的有效识别。多子波分解与重构技术可有效压制炭质泥岩的强轴屏蔽,突显下伏白云岩储层的地震响应,提高储层预测精度,射线弹性阻体构建岩性因子规避了叠前道集大角度信息缺失、弹性参数难求取的问题。研究表明,涪陵地区茅口组三段白云岩储层主要呈团块状沿基底断裂分布,地震岩性因子预测的白云岩厚度与实钻井较吻合,该技术可有效解决白云岩储层难预测的问题,具一定的推广运用价值。     

地震参数在泌阳凹陷白云岩预测中的应用

随着储集层预测技术的发展。提取众多的属性参数进行判断已成为地震解释的重要手段,在进行储集层预测和评价时,通常使用与储集层预测有关的各种地震属性.以各种方法从地震数据体中提取的一系列地震属性包含有丰富的地下地质信息不同的地震属性值可能与某些地质参数具有很大的相关性.因此利用地震属性参数可以有效地预测岩性和有利储集层描述油藏特征及孔隙度变化、寻找死油区。描述 了地震属性中的振幅、阻抗频率及能量衰减四种基本类型参数的特征意义。并对泌阳凹陷核二段白云岩区进行了振幅频率衰减阻抗等属性提取分析.成功地预测出白云岩的分布范围。     

模糊C均值地震属性聚类分析

 地震多属性聚类分析是进行储层预测的有效工具。本文提出了基于模糊C均值的地震属性聚类方法，该方法可以将多种地震属性进行分析从而生成有效的特征图，它可以寻找各个类的最优聚类中心，并给出样本点属于每一类的隶属度。此算法是一个简单迭代过程，且算法的关键取决于两个参数：其一是聚类数要远小于聚类样本的总个数；其二是加权参数要适中，过大或过小均不利于聚类效果的改善。模型试验和实际资料的应用表明了该方法原理简单且算法鲁棒性好，具有很好的实际应用价值。     

井壁稳定性实时预测方法

为有效解决钻井过程中的井壁失稳问题,根据地震和测井信息之问的密切联系,建立了基于地震属性的实时井壁稳定性预测模型.该模型综合利用地震、测井和地质资料,从待钻目标井和已完钻邻井的井旁地震记录中分别提取最优地震属性组合,运用小波神经网络建立已钻井地震属性与测井数据之间的分层映射关系模型,利用当前待钻地层的地震属性并选取相应的映射模型实时预测钻头以下地层的声波和密度测井曲线.基于预测结果结合井壁稳定力学模型计算待钻层段的孔隙压力、坍塌压力和破裂压力,进而预测安全钻井液密度范围.塔里木油田的实际应用表明,该预测模型具有良好的实时操作性能,测井曲线、地应力、孔隙压力、破裂压力和安全钻井液密度范围的预测精度均较高.图5表1参21     

相位转换技术在岩性解释中的应用

研究区为海上区块,目的层岩性圈闭发育,但井网稀疏,测井资料匮乏,进行储层预测严重依赖地震资料,高品质的地震资料是岩性识别的保障,因此提高地震资料分辨率至关重要。为了提高岩性解释精度,该文在综合分析研究区地质现状的基础上,利用Landmark软件,采用了一种合理简捷适用于岩性解释尤其是薄储层解释的技术方法,采用零相位子波提取、相位校正、道积分及90°相位转换等技术手段,最终使地震数据更接近实际地层的反射系数特征。优化后的数据证明更益于地震解释和薄储层预测工作,预测结果最终通过钻井得到了验证。