PCA&PSO在油气水三相流流型识别中的应用

为了提高油气水三相流流型识别的准确率,提取了对流型变化敏感的多个特征。通过主成分分析将原始特征向量进行降维处理,并将其作为最小二乘支持向量机的输入矢量,建立油气水三相流流型识别模型;对于最小二乘支持向量机模型中参数的选取,采用粒子群优化算法进行寻优。实验结果表明,该模型简化了分类器结构,提高了流型识别精度。     

基于最小二乘支持向量机的油气水层识别方法

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     

基于最小二乘支持向量机的油气水层识别方法

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。     

塔河油田复杂碎屑岩岩性识别方法

为了准确识别塔河油田石炭系复杂碎屑岩储集层的岩性,研究了基于常规测井资料的岩性识别方法.根据取心资料将储集层的碎屑岩分为砂岩、含泥砂岩、含砾砂岩和含钙砂岩4种类型;从常规测井资料中提取对岩性反映相对敏感的多种信息,并进行归一化处理;采用常规支持向量机方法和最小二乘支持向量机方法对少量已知岩性的取心岩样进行学习,识别碎屑岩岩性,建立了适用于塔河油田石炭系复杂碎屑岩储集层的岩性识别方法.塔河油田X区块的石炭系碎屑岩岩性识别表明,基于最小二乘支持向量机方法的岩性识别符合率比常规支持向量机方法提高10百分点.研究结果表明,基于最小二乘支持向量机的岩性识别方法能有效识别塔河油田石炭系复杂碎屑岩储集层的岩性.      

基于主成分分析的最小二乘支持向量机岩性识别方法

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。     

基于最小二乘支持向量机的固井质量预测

提出利用最小二乘支持向量机进行固井质量预测方法,采用小波包分解方法提取地层回波信息信号,并将其作为最小二乘支持向量机的输入量,将样本的固井质量状态作为输出量,对样本的输入量和输出量进行不断的训练学习,得到最小二乘支持向量机模型,利用该模型进行固井质量预测。研究结果表明:基于最小二乘支持向量机模型的计算结果与测试样本拟合精度较高,可以用于现场固井质量预测。     

应用最小二乘支持向量机识别J13井区杜家台油层岩性

J13井区杜家台油层的储层岩性以低孔低渗中砂岩、细砂岩和不等粒砂岩为主,常规交会图法难以识别,无法确保按岩性建立的测井评价模型的配套使用.为此,应用最小二乘支持向量机对储层岩性进行了识别.首先分析了最小二乘支持向量机的方法原理和实现流程;其次随机选取了J13井区部分层段的岩性和测井响应建立了学习样本集,采用网格搜索法确定了参数C和δ,自检结果表明识别正确率可达到94％;最后对J13井区储层岩性做了测井识别,与岩心分析资料进行对比,岩性识别正确率达到87.5％.研究表明,最小二乘支持向量机可满足J13井区岩性识别的需要.     

最小二乘支持向量机在低孔低渗油藏油水识别中的应用

低孔低渗油藏油水关系复杂,测井响应特征不明显,常规的人工经验性油水解释已不能满足实际开发需要。研究采用最小二乘支持向量机分类理论,选取多种相对独立的测井参数对低孔低渗储层流体性质识别分析,以工区试油已证实含油水类型的层位作为训练样本进行训练,建立不同流体性质储层的分类器相应支持向量机和分类面,通过已建立分类器的分类函数,可对待识别的层位进行识别分析。通过对工区的样本学习和预测,并与实际试油资料进行对比,符合率达到91.7%,从而表明,最小二乘支持向量机在油水识别中可获得良好的应用。     

大管径水平管油气水三相流流型试验研究

目前室内小管径水平管道油气水三相流流型存在分类过细、不实用等问题,且流体流型随井径变化发生改变,致使小管径油气水三相流流型研究结果无法适用现场大管径水平井井筒中油气水三相流流型识别的问题。研究采用实际生产测井仪器串,在大管径(内径0.124m)有机玻璃管中,进行水平状态下油气水三相流流动模拟试验。基于试验数据分析,提出大管径水平管油气水三相流8种流型并制作相应流型图。使用电容阵列仪测井响应信息,对7种流型进行数值模拟,与观测流型对比发现,模拟效果良好。     

支持向量机方法识别储集层流体性质

在储集层流体识别中首次引入了支持向量机(SVM)方法,对测井得到的各种测量参数和综合解释参数与油、气、水等流体之间的复杂关系进行研究,借助于支持向量机方法,建立了测井参数识别油、气、水等储集层流体的识别模型。实际应用效果表明,支持向量机方法识别储集层流体类型是一种比较切实可行的方法,提高了测井解释油气水的精度,为储集层流体识别提供了一种简单可靠、识别精度高的新方法。     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

高含水期油气水三相流流型判别方法探索

准确预测混输管道中油气水三相的流型,对油田集输系统运行管理有着重要的意义。利用井口到计量间的现有设施,对高含水期油气水管道中的流型进行了测试。利用Baker流型图对高含水期油气水水平管道中的三相流流型进行识别,与实验结果进行对比,得出了Baker流型图不适用于判别高含水期油气水三相集输管道内流型的结论,而修正后的Baker修正流型图适合工程应用。     

基于最小二乘支持向量机的大孔道定量计算方法

大孔道的发育造成大量注入水低效、无效循环,降低了开发效果,如何定量计算大孔道已成为高含水期油田开发中亟待解决的问题。为此文中提出利用最小二乘支持向量机方法定量计算大孔道参数。从大孔道形成前后的动、静态响应特征出发,选取了大孔道的控制因素作为最小二乘支持向量机的输入,对应的大孔道参数定量解释结果作为最小二乘支持向量机的输出,通过统计训练学习,建立了大孔道与控制因素相关的定量计算模型,进而得到大孔道的定量计算结果。结果表明,支持向量机模型的计算结果与样本值拟合精度较高,能较好且客观地反映各控制因素对大孔道的影响。在岔15断块试验区应用后发现,模型的计算结果与实际监测值误差较小,满足矿场应用要求,具有较高的应用价值。     

最小二乘支持向量机在储层流体识别中的应用

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。     

改进LSSVM在水平井产能预测中的应用

在水平井开发可行性论证及水平井优化设计中,产能预测是重要依据,常规产能预测方法,由于样本较少和影响因素多,预测精度难以保证。为此,采用最小二乘支持向量机方法回归出预测模型进行水平井产能预测。最小二乘支持向量机对标准支持向量机进行了改进,把不等式约束改为等式约束,把误差平方和损失函数作为训练集的经验损失,把解二次规划问题转化为求解线性方程组问题,较好地解决了水平井产能预测样本少、影响因素多的问题。引入粒子群优化算法来优选最小二乘支持向量机中的参数组合,〖JP〗既克服了交叉验证法耗时长的缺点,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点。以大庆油田某一区块10口水平井的生产资料作为样本,采用最小二乘支持向量机方法回归出预测模型,对该区块两口水平井的产能进行了预测,结果表明,预测产能与实际产能的最大相对误差小于15%,能够满足工程需要。      

基于粒子群优化最小二乘支持向量机的非线性AVO反演

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。     

一种用于测井油气层综合识别的支持向量机方法

提出了使用支持向量机分类技术在复杂储层中由常规测井、气测录井信息综合识别油气层类型的方法、步骤,重点阐述了输入特征选择、学习算法参数设置和在新疆油气田实际应用效果,并与人工神经网络、神经-模糊、最近邻分类器等3种机器学习模型识别检验结果进行了对比,检验结果表明由支持向量机所建立的油气水识别模型获得了最高的识别检验性能,其次是IncNN、FSM,而kNN相对最低,展示了支持向量机方法在复杂油气藏油气层类型识别应用中的高效性.     

基于深度学习的地震多属性储层预测模型

本文提出基于蜻蜓算法和最小二乘向量机的地震多属性储层预测模型,利用蜻蜓算法对最小二乘支持向量机的惩罚系数和核系数进行优化,从复地震道类、振幅统计类、频谱特征类和吸收衰减类中优选出12种地震属性作为输入变量,选取储层厚度作为输出变量。以渤海X油田为例开展了实证分析,预测结果与PSO-LSSVM、FOA-LSSVM模型预测结果进行对比分析。研究结果表明:基于蜻蜓算法和最小二乘向量机的地震多属性储层厚度预测模型计算精度高,对油田勘探开发具有一定指导意义。     

柴油十六烷值快速分析技术研究

基于上千个柴油样本建立了测定柴油十六烷值的近红外光谱数据库,采用一次性空瓶解决了光谱快速采集的问题,通过向数据库中添加少量样本的方式改进了模型在某石化企业的适用性,通过偏最小二乘法、支持向量机法和最小二乘支持向量机法将不同类型的柴油建立了统一的分析模型,并比较了不同算法建模的准确性。结果表明：使用PLS,SVM,LSSVM算法建立的校正模型对柴油样本十六烷值的预测标准偏差分别为1.6,1.4,1.3,满足快速评价要求。本研究节约了建模成本,减少了数据库的维护工作量。     

支持向量机算法在地质录井中的应用

在地质录井油气水层识别研究中引入基于统计学习理论的支持向量机算法,对气测录井和地化录井中得到的各项参数及其导出参数之间的关系进行研究,并应用LibSVM软件建立了地质录井的油气水层识别模型,从而提供了一种新的地质录井油气水层识别方法。该方法在新疆某油田的实际应用结果证明,用支持向量机算法进行地质录井油气水层识别具有简单可靠、适应性强和识别精度较高等一系列优点。