基于支持向量机的储层厚度预测方法及应用

储层厚度的预测是隐蔽圈闭识别、油气藏描述中的一项关键性技术，而储层厚度和地震信息之间的非线性关系是通常的数学统计方法难以拟合的。支持向量机方法能够解决小样本情况下非线性函数拟合的通用性和推广性问题，是求复杂的非线性拟合函数的一种有效的技术。模型及实例表明，该方法对储层厚度的预测是有效的。     

支持向量机方法及其在储层厚度预测中的应用

储层厚度的预测是隐蔽圈闭识别、油气藏描述中的一项关键性技术,而储层厚度和地震信息之间的非线性关系是通常的数学统计方法难以拟合的。支持向量机方法能够解决小样本情况下非线性函数拟合的通用性和推广性的问题,是求复杂的非线性拟合函数的一种有效的技术。模型及实例表明,该方法对储层厚度的预测是有效的。     

应用支持向量机方法预测聚合物驱参数

根据矿场观测资料计算残余阻力系数是聚合物驱实施效果评价中的重要内容。影响残余阻力系数的因素很多，关系非常复杂，常规方法难以建立准确、适用的预测模型。针对预测聚合物驱参数中存在的问题，引入非线性函数拟合的支持向量机方法，采用正则化解法，解决了油藏工程中寻求残余阻力系数预测模型的问题。计算实例证明，该方法是求复杂非线性拟合函数的一种非常有效的技术。图1表1参8     

һ�ֻ���SVM����ѡ�������Ԥ�ⷽ��

支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法，在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题，SVM具有调节参数较少，运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型的非线性分类器设计问题，它具有已知样本数较少、特征个数较少等特点,文章据此提出了一种基于特征扩展和特征选择的改进SVM方法。该方法将原始特征通过非线性变换到高维空间，然后应用线性SVM进行特征选择，并同时计算降维过程中各个特征子集对应的留一法错误率，最后选择错误率较小的特征子集来设计线性SVM分类器。在通用数据的实验中，这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力。与传统的模糊数学方法、神经网络方法和SVM方法相比，这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了50%，是一种有效的油气预测方法。     

支持向量机方法在储层预测中的应用

传统储层预测学习方法大都基于经验风险最小化准则，预测效果不理想。而基于结构化风险最小化准则的支持向量机方法，通过对推广误差（风险）上界的最小化达到最大的泛化能力和全局最优，具有可靠的预测能力。对支持向量机法的方法原理，即非线性模式识别法和非线性函数估计法进行了讨论，并采用不同的样本数，将其与神经网络法作对比，结果表明，2种方法的训练结果精度都较高，但对sinc函数的估计结果，支持向量机法更可靠。在胜利油田某区块应用了向量机法，以地震波波形作为输入向量进行了砂体孔隙度和含油性预测，预测结果与已知结果吻合较好。     

基于支持向量机与信息融合的地震油气预测方法

地震油气预测中的不确定性因素包括地震属性选取、预测算法选择、环境噪声及原始数据观测误差等。为消除这些不确定性因素,本文利用支持向量机与信息融合理论进行地震油气预测,支持向量机首先通过利用内积函数定义的非线性变换将输入空间变换到一个高维空间,在这个空间中求(广义)最优分类面,其分类函数形式上类似于一个神经网络,输出是中间节点的线性组合,每个中间节点对应一个支持向量。支持向量机可以解决分类问题和拟合问题,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。信息融合是利用时间、空间的多传感器信息资源,采用数学方法和计算机技术对观测信息在一定准则下加以自动分析、综合和使用,从而比单一传感器观测对象获得更优越的一致性信息和描述,减小环境对决策的影响。将支持向量机与信息融合两者结合应用,能同时减小多种因素引起的不确定性,提高油气预测精度。此方法用于实际数据,得到了较好的预测结果。     

基于统计学的测井储层产能分级预测研究

以渗流力学基本原理为基础,尝试利用测井评价方法来进行储层产能预测,提取产能测井参数,采用支持向量机技术建立储层产能预测系统模型,在油气层测试之前对其产能进行先期预测。与传统的神经网络预测方法相比,支持向量机克服了后者容易陷入局部极小的现象,得到了全局最优解。实例分析表明,该方法是一种实用、有效、准确性较高的储层产能间接求取方法,可用于生产实践。     

基于GA-ANFIS的油气储层地震预测方法及应用

基于GA-ANFIS理论，将遗传算法与模糊神经网络技术有机地相结合，构成一种新的油气储层地震非线性预测方法。这种新的预测方法在油气储层预测中，利用地震数据和测井数据之间的非线性映射关系建立训练样本，将GA算法与ANFIS网络中的学习算法相结合，构成混合算法来优化ANFIS网络的前提参数和结论参数，并在遗传算法中加入禁忌搜索算法，这种混合算法自始至终将各算法按一定概率比例进行，其概率自适应变化，加快了网络收敛速度和提高了网络性能，获得了良好的预测效果。在测井数据约束下，应用所提出的方法对碳酸岩盐储层和砂岩储层分别进行了平面预测和剖面预测，并按储层有效性指数进行了储层分级，这种分级反映了储层的有效性和含油气状况，提高了油气储层的实际预测效果，是对油气储层预测技术的一种新发展，开拓了油气储层预测发展技术。     

应用支持向量机方法预测储层敏感性

介绍了支持向量机的基本理论;通过单相关分析找出影响储层敏感性的主要因素,应用测井资料提取这些敏感性参数,使用支持向量机算法,以影响敏感性的主要因素作为支持向量机网络的输入层,预测储层的敏感性.分别使用支持向量机和BP神经网络2种方法对×油田的测井资料进行了处理、分析.对比结果表明,用支持向量机得到的速敏、水敏、盐敏的预测结果具有更高的预测精度.这说明支持向量机预测储层敏感性是一种切实可行的方法.     

支持向量机在储层厚度预测中的应用

将支持向量机运用到储层厚度估计中，利用地震属性及少量测井作为学习样本进行储层预测。通过引入窗口核函数，准确地反映了不同深度的地质信息。通过实例将支持向量机预测结果与BP网络预测结果进行比较，结果表明该方法有效可靠，预测精度高，可很好地解决BP网络方法中无法避免的局部极值问题。     

地质统计学方法概要

使用测井数据对地震属性进行标定,寻求两类数据的一种线性的或非线性的定量函数关系,根据这种函数关系,可将地震属性转换为希望的储层物性。地震属性标定和储层物性转换使用着地质统计学方法。本文对现用的地质统计学方法做了系统介绍。这些方法包括多元统计分析、相关滤波技术、克里金预测技术、协克里金方法和利用相关学科知识实现参数的转换。     

脉冲试井模型多参数自动拟合方法

脉冲试井是干扰试井的一种,参数解释常规方法可归纳为切线法、割线法、图版拟合法及参数匹配方法,以上方法解释过程均是运用了生产数据中一些特殊点进行图版解释,因此存在数据利用率低、解释速度慢、拟合精度不高等缺点。建立脉冲试井井储表皮模型,结合非线性回归技术,提出有界信赖域优化分析方法求解脉冲试井模型中的储能系数、流动系数、表皮因子、井筒存储系数等6项参数。用该方法拟合某油藏脉冲试井生产数据,得到拟合值的最大相对误差为6.49%,平均误差为2.98%,同时该方法是自动拟合技术,不受人为因素影响,并具有超线性拟合速度。     

概率神经网络技术在油气藏物性参数预测中的应用

通过实例介绍了利用一种概率神经网络技术预测储层物性参数的方法。该方法克服了传统方法的某些局限性 ,预测储层物性参数时不需要地震子波 ;而是直接建立测井曲线和地震属性的关系 ,用相关系数衡量目标测井曲线和地震属性之间的相似性 ;用逐步递归法选取最佳属性 ;用交互验证法监视所选属性的可靠性     

�������������������

储层物性参数的估算是油气探开发的一个重要环节，然而物性参数的横向变化很难从分布稀疏的井也资料插值外推得到精确描述，综合利用地震和测井资料可得到较精确的物性分布图像。传统地，将地震和测井资料综合来进行储层参数描述的方法有线怀回归法这种方法由于假定函数关系简单，因而很难得到准确的物性参数。后来Ｄｏｙｅｎ发展了协同金法这种方法可得到较准确的物性参数，但处理过程复杂，需作大呈的统计研究。人工神经网络是一人     

基于自适应遗传算法的试井分析最优化方法

如何实现试井资料的自动分析,保证解释结果的唯一性,一直是人们在积极探索的目标.为此,提出了一种基于自适应遗传算法的试井分析最优化方法.遗传算法是一种遵循“适者生存”原则的快速搜索方法.该方法在进化过程中,评价每个解的适应度值以执行交换和变异操作;特别适合于传统优化方法难以解决的非线性和不连续等问题.该方法优越于非线性回归自动拟合试井分析方法.它不需要估计井筒和油藏参数的初值,也不要求目标函数连续可微,并优于简单的遗传算法.它是通过解群体的适应度值,自适应地改变遗传算法的交换概率和变异概率,从而保证群体的多样性和算法的收敛能力,再结合非线性回归自动拟合方法,最终获得最佳的试井分析结果.通过实测资料分析,取得了良好的效果.     

利用生产测井资料反求油井动态参数

提出了利用生产测井同时测量的关井压力与续流量并结合最优化处理进行试井分析的方法,有效地消除了井储效应,达到了利用早期压力恢复数据获得地层参数的目的。在变流量基本方程(杜哈美原理)基础上推导出了关井压力变化方程,利用实测续流量和地层参数预估值计算理论关井压力。在最小二乘法的基础上,建立了关于理论压力和实测压力具约束条件的非线性目标函数,约束条件为地层参数的范围和实测流压。用最优化方法求解此目标函数,由计算机不断调整参数预估值使其达到最小,理论压力和实测压力匹配,从而反求地层参数。为了进行对比,文中同时以具有井储效应的均质油藏模型为例计算理论关井压力,用同样的方法求取地层参数。文中处理了三口油井的实测早期资料。从资料的处理和对比结果来看,该所述方法简单、结果可靠,可以作为其它解释方法的对比与验证手段。     

利用地震,测井资料联合反演储层物性参数

地震、测井资料联合反演技术，是利用地震，测井数据的互补特性，从井间地震数据中反演地层的物性参数。共分三步进行：（１）查清井间地层构造形态，应用Ｂｏｒｎ近似反射线性反演技术，从叠前或叠后地震记录中得到反映层速度界面的反射系数剖面，效果相当于有或叠后的偏移剖面，并用作非线性反演的井间几何形态约束信息；（２）求取井间地震波参数，应用最优拟合牛顿法学线性反演技术，分别得到地层反射系数，波阻抗和介质速度参数     

油气储集层线性与非线性联合预测方法技术及应用

本文所论述的油气储集层联合预测方法技术是由线性预测方法技术与部分非线性预测方法技术组成的,线性预测方法技术涉及综合参数法和广义线性分类器法,非线性预测方法技术涉及突变理论预测法和混沌预测法。这种联合预测方法技术充分发挥了两类预测方法的优势,可在线性预测的基础上,利用非线性预测方法技术优选出油气储集层的最佳有效部位和／或局部油气富集带。应用实例表明,联合预测方法技术进提高油气储庥层预测效果的一种有效