基于井控多属性机器学习的缝洞型储层预测方法

碳酸盐岩缝洞体具有强非均质性特征,单一地震属性预测和常规地震属性融合方法未考虑钻井过程中放空、漏失等信息,预测误差较大。基于实钻井井震标定,将放空漏失点属性特征作为约束条件,提出基于井控多属性机器学习的缝洞型储层预测方法,实现缝洞体精细预测。首先根据实钻井井震标定结果,提取漏失点位置的不同敏感地震属性值作为数据输入数组,根据漏失点特征定义的储层类型作为输出数组,形成训练集数据;然后基于支持向量机（support vector machines,SVM）方法,对训练集数据进行模型训练,得到符合先验信息的井震一致的预测模型;最后将该模型应用于塔里木盆地顺北地区奥陶系缝洞型储层预测。结果表明该方法能很好地反映真实储层类型特征,与钻井特征有很高的吻合度。