共查询到20条相似文献,搜索用时 89 毫秒
1.
常用的重复压裂选井选层的经验方法是基于矿场统计资料的研究方法,这种方法具有一定的主观性、盲目性和风险性。引入基于统计学习理论的最小二乘支持向量机算法,综合考虑地层地质特征、油气藏特性、物性参数、测试和生产数据等多方面的因素,形成重复压裂选井选层方法。计算证明,该方法对重复压裂选井选层有指导作用。 相似文献
2.
3.
测井解释过程中的油气水层识别实质是一个模式识别问题。基于统计学习理论发展起来的新一代小样本学习算法——支持向量机,是至今模式识别问题的强有力解决方法之一。本文针对现有方法在解决油气水层识别问题中的不足,提出了最小二乘支持向量机(LSSVM)的油气水层识别方法。该方法依据测井所得到的小样本、不适定性等数据信息建立并归一化数据样本集;通过网格搜索法选择LSSVM训练参数C和σ2,用交叉验证法对目标函数进行寻优找到最佳的参数;通过训练学习数据样本和测试数据样本,建立最小二乘支持向量机分类器识别模型。用本文提出的新方法研究了大庆油田某油藏的油气水层识别问题,结果表明最小二乘支持向量机的油气水层识别方法较人工神经网络和标准支持向量机的油气水层识别方法具有更快的运算速度和准确率,是一种值得进一步研究及推广使用的方法。 相似文献
4.
5.
测井解释过程中的油气水层识别实质是一个模式识别问题。基于统计学习理论发展起来的新一代小样本学习算法一支持向量机,是至今模式识别问题强有力的解决方法之一。依据测井所得到的小样本、不适定性等数据信息进行网格搜索及交叉验证对目标函数寻优,找到最佳参数建立了最小二乘支持向量机分类器模型;针对现有方法在解决油气水层识别问题中的不足,提出了基于最小二乘支持向量机的油气水层识别方法,并将此方法应用于大庆油田某油藏的油气水层识别。结果表明,此方法较人工神经网络和标准支持向量机方法具有更快的运算速度和准确率,是一种值得进一步研究及推广使用。表3参7 相似文献
6.
7.
基于主成分分析的最小二乘支持向量机岩性识别方法 总被引:4,自引:1,他引:4
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。 相似文献
8.
最小二乘支持向量机在储层流体识别中的应用 总被引:5,自引:0,他引:5
在测井储层流体识别中引入基于统计学习理论的最小二乘支持向量机(LS-SVM)算法,它是在传统的支持向量机(SVM)基础之上加以改进的一种新算法。LS-SVM采用结构风险最小化原则代替了传统的经验风险最小化原则,保证了其具有全局最优性和较好的泛化能力,并且它将凸二次规划问题转变成了线性方程组的求解问题.使计算效率大大提高。介绍了LS-SVM方法的基本原理和多分类方法,通过该法利用少量的测井资料作为学习样本,准确地对油气水层进行了识别。将它与交会图判别法和BP神经网络方法的预测结果进行比较,表明用LS-SVM方法来进行储层流体识别是可行的,且具有一定的优越性。 相似文献
9.
为了求解非线性AVO反演问题,本文提出基于粒子群算法和最小二乘支持向量机的非线性AVO反演方法,并用粒子群算法优化最小二乘支持向量机的参数。即首先通过精确Zoeppritz方程正演得到角道集,并进行动校正和部分角度叠加;然后运用最小二乘支持向量机方法建立反射振幅与弹性参数之间的非线性模型;最后以此非线性模型对地震道集数据进行反演。模型数据和实际资料的反演结果表明,该方法克服了常规广义线性AVO反演在远炮检距及弹性参数纵向变化大等情况下的缺陷,可直接从实际地震道集数据中提取较高精度的地层弹性参数,具有快速稳健、抗噪能力强的优点。 相似文献
10.
11.
对广泛存在于各类岩层中的裂缝带进行精细刻画与综合预测是裂缝型油气藏勘探的关键。为了避免多解性问题,学者们通常采用多属性对其进行综合预测,但如何有效地利用众多地震属性与裂缝带发育程度之间的非线性关系对裂缝带发育状况进行准确分类仍是一大难题。将近似支持向量机算法引入裂缝带的分类识别中,建立了3种刻画储层裂缝带的地震属性与井中裂缝发育信息之间的非线性模型,得出了反映裂缝带特征的最佳判别规则,利用该规则对多个属性进行综合判别,克服了单属性的多解性,提高了储层裂缝带的分类精度。实例应用表明,该算法削弱了依靠单一因素识别储层裂缝带的局限性,为储层内裂缝带发育状况的准确分类提供了新的研究思路。 相似文献
12.
利用模糊ISODATA聚类方法确定大孔道级别 总被引:2,自引:1,他引:1
高含水油田进入开发后期,大孔道的存在严重影响着油田的高效开发,如何选择需要调堵的油水井才能得到最佳的调堵效果成为一个关键问题。目前选井决策方法过于依赖主观判断,人为干扰因素很大。文中提出了一套适合于调剖堵水的指标体系,利用ISODATA聚类分析方法,根据油水井不同的动态数据特征,判断出每口油水井是否存在大孔道及大孔道的级别。对于判断存在大孔道的油水井,建议采取调剖堵水措施;对于不存在大孔道的油水井,应进一步观测其动态变化。该方法克服了过于依赖主观判断的缺陷,计算过程中没有人为因素的干扰,并且很好地解决了界限值合理性问题,从而为调剖堵水的选井提供了理论依据。 相似文献
13.
基于SVM的注水机组状态预示技术研究 总被引:2,自引:0,他引:2
油田大型注水机组在连续运转过程中,由于其自身的因素以及受外界条件的干扰,其运行常处于非线性非平稳状态。在充分研究和比较多种设备状态预示方法的基础上,提出一种基于支持向量机(Support Vector Machine,SVM)的状态预测新方法。该方法应用最终预报误差(FinalPrediction Error,FPE)准则确定样本的嵌入维数。通过比较SVM预测模型与自回归预测模型的单步和多步预测结果,证明基于SVM的预测方法在较长区间内具有良好的预测效果。用SVM预测大庆油田旋转注水机组时域的振动烈度,取得了较好预测效果,证明该算法能有效提高预测精度。 相似文献
14.
Jian Hou Zhen-quan Li Xu-long Cao Xin-wang Song 《Journal of Petroleum Science and Engineering》2009,68(1-2):29-39
Quantitative characterization models of oil increment and water-cut change in polymer flooding called Hou's models are established in the paper. The mathematic models are concise and characteristic parameters have specific physical meanings and are easy to determine. Automatic solution method based on real-coded genetic algorithm (GA) is presented. Based on numerical simulation of polymer flooding, quantitative prediction model of production performance in polymer flooding is established through the combination of orthogonal design and support vector machine (SVM) methods, in which the combination effect of factors is considered. Taking Shengli oilfield as an example, the history matching and prediction of polymer flooding are carried out, it is indicated that there exists a good matching between the quantitative characterization model and the field data, and this model can be extrapolated. Regardless of the limited sample set, the quantitative prediction model can give consideration to both universality and generalization to meet the requirements of engineering computation application. The characterization model or prediction model can be alternatively used according to whether there is a dynamic tendency of the polymer flooding unit or not. Therefore, the models can guide the scheme programming and dynamic adjustments of polymer flooding. 相似文献
15.
16.
本文采用基于支持向量机(SVM)的特征选择方法进行地震属性优选,根据油井的产油气情况将油井分为高产井和低产井,利用SVM对这些样本进行训练,然后根据每个属性对应的权值进行筛选,便可以选取对油气敏感的属性,进而更好地预测储层。具体过程为:①提取一定量的地震属性;②根据已知井的信息,获得训练样本,训练线性SVM;③计算各个特征的权值;④选取较大权值绝对值对应的多个属性;⑤将支持向量回归机(SVR)应用于优选出的属性,获得储层预测的结果。实际资料应用结果表明,文中方法不仅能筛选出有效的地震属性,还能够有效地预测储层。 相似文献
17.
Using a support vector machine method to predict the development indices of very high water cut oilfields 总被引:1,自引:1,他引:0
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. 相似文献
18.
19.
20.
AVO技术是储层含油气性分析的重要工具,可以定性地描述油气藏。常规储层的AVO分类主要依靠人为判别,致使判别结果不准且工作量大。本文从四类AVO曲线中提取特征参数作为训练集,把近似支持向量机方法引入AVO类型判别;再以四类含气砂岩AVO曲线形态为依据,把叠前地震资料的曲线形态特征作为输入参数,获得工区内储层的AVO类型。将该方法应用于南海碎屑岩气田的AVO类型自动识别,取得了较准确的结果,为储层的AVO类型判别提供了可靠、高效、便捷的工具。 相似文献