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。     

基于支持向量机的属性优选和储层预测

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。     

利用支持向量机法预测地震储层厚度的尝试

支持向量机方法基于结构风险最小化原理,克服了常规统计方法的局限性,能够在有限的样本集基础上兼顾模型的通用性和推广性,预测精度更高.因此,利用支持向量机方法对地震储层厚度进行了预测,预测结果与实际情况吻合.与BP神经网络预测结果进行对比分析的结果表明,采用支持向量机方法预测的效果较好,是一种值得推广的方法.     

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。     

支持向量机在小样本预测中的应用

支持向量机方法是一种有坚实理论基础的、新颖的小样本学习方法,可以用于处理高度非线性回归和分类问题.与现有的统计方法不同,它采用了结构风险最小化原理,因而预测精度较高;而且基本上不涉及概率测度及大数定律,最终的决策函数只由少数的支持向量所确定,因而其计算的复杂性仅仅取决于支持向量的数目,而非样本空间的维数.油气田开发工程中,往往需要根据小样本来预测某种方法或措施的效果,通过引入支持向量机方法,措施效果预测的精度有了明显的提高.     

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.     

基于支持向量机的地震储层参数预测方法初探

支持向量机方法基于结构风险最小化原理,克服了常规统计方法的局限性,能够在有限的样本集基础上兼顾模型的通用性和推广性,具有较高的预测精度。本文利用支持向量机方法对地震储层参数进行了预测,并与BP神经网络预测结果进行了对比分析。结果表明,支持向量机方法预测效果好,值得推广使用。     

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。     

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     

多属性概率神经网络技术在ML油田岩性油气藏预测中的应用

在ML油田,由于地震资料品质差、井数据缺乏、开发程度低等原因,采用常规阻抗反演进行油气预测效果不理想,为此应用多属性概率神经网络技术进行油气预测。在研究区首先进行多属性分析,优选出振幅包络、泊松比等7种地震属性,建立起地震属性与油气之间的非线性关系;然后对已钻遇岩性油气藏砂体进行油气预测,将预测结果和实际测井数据进行对比说明预测结果真实可靠;最后对潜在的岩性油气藏目标砂体进行油气预测,得到目标砂体的油气分布概率以及厚度图,从而指导油田岩性油气藏的勘探与开发。     

应用核Fisher判别技术预测油气储集层

核机器学习算法是近几年发展起来的一类新的非线性技术,核Fisher判别分析是其中之一。核Fisher判别分析是经典Fisher线性判别基于核函数的非线性推广,并在实际资料的分类中取得明显效果。本文简化了核Fisher判别分析的计算过程,并将其用于油气储集层横向预测。两个实际资料的计算结果表明,在油气储集层横向预测中,核Fisher判别技术的性能优于Fisher线性判别、模糊模式识别和反向传播人工神经网络。     

复合属性在北堡地区东营组储层预测中的应用

南堡凹陷北堡陆地东营组油气藏具有埋藏较深、储层薄、横向变化快的特点，表现为弱振幅、高频、连续性差的地震反射特征。前期研究表明单属性分析结果不能较好的反映储层展布特征，提出利用复合属性进行储层预测，并优选出振幅和频率属性进行取商运算，获得的最终成果应用于北堡陆地东营组河流相三角洲的储层预测，实钻结果表明该成果的钻井吻合率达80%。     

地震属性分析在储层预测中的应用

介绍了地震属性的定义和分类,并在JH凹陷SH地区和YM油田LGZ地区,进行了地震属性分析方法研究。通过对储层含油气性敏感参数的分析,建立了它们与含油气性的关系,并评价了目标区含油气状况,为勘探目标区的确定提供了有价值的依据。     

一种模糊神经网络技术及其在储层预测中的应用

大庆外围油田的葡萄花油层主要为砂泥岩薄互层，储层砂体横向变化大，这给井位设计带来了很大的难度。近几年地震属性分以用地震特征参数直接预测储层的析技术虽然得到了较快的发展，但地震属性与储层地质参数之间的关系较模糊，难砂岩厚度。为此，研究了一种模糊神经网络预测砂岩技术，它将人工神经网络理论与模糊逻辑分析相结合，在地震属性分析的基础上，以井旁地震道主分量参数为输入，以井孔地质参数为期望输出，建立模糊神经网络，并对网络进行训练，当网络收敛且网络整体方差达到要求的精度时，便完成了网络训练。该技术应用于大庆太平屯地区储层预测中，通过4口后验井检验，预测厚度与钻井厚度吻合较好，平均绝对误差为0.21m。     

天然气储层预测技术及应用 ——以雅克拉地区卡普沙良群底块砂岩储层为例

雅克拉地区自SC2井在白垩系卡普沙良群底块砂岩获得工业油气流后，加大了勘探开发力度。为了指导开发井的部署，综合利用钻井、岩心、测井、地震等资料，对本区主要储层进行了预测研究，建立了一套以地震属性参数（振幅、频率）提取技术、地震测井联合反演技术、三维可视化解释技术为主的碎屑岩储层预测技术系列。通过储层预测技术应用，整体掌握了该区储层纵横向分布规律及储层特征，准确预测了雅克拉构造的含油气范围，为油田开发井部署提供了有力的基础数据和科学依据。     

多元地震属性分析提高薄储层预测精度

针对叠后地震属性预测薄储层信息时存在属性单一、多解性及定性表征等问题,文中提出了基于主成分分析-支持向量机算法(PCA-SVR)对多种地震属性进行定量表征预测薄储层的方法。以松辽盆地某井区葡I4层为例,利用主成分分析法对9种地震属性进行降维分析,优选累计贡献率大于90%的3种主成分,利用支持向量回归机算法,建立了薄储层预测模型。对井区内葡I4层砂岩厚度进行预测,预测结果与实际钻遇砂岩厚度吻合程度较好。研究结果表明,预测结果与实际钻遇砂岩厚度的相对误差,与目的层段内砂岩发育层数相关,随着发育砂岩的层数增多,平均相对误差逐渐增大。     

多信息融合裂缝建模技术在碳酸盐岩双重介质油藏开发中的应用

中东M油田是以碳酸盐岩储层为主的双重介质油藏,裂缝发育、非均质性较强.由于目前常规单一的地震属性无法精细刻画裂缝分布规律,因此建立了基于神经网络的多信息融合裂缝建模技术,首先利用神经网络预测无成像测井资料的单井裂缝密度;其次将纵波方位各向异性、地震不连续检测叠前地震属性,基于神经网络非线性融合进行三维裂缝密度发育概率预...