火山岩岩性的支持向量机识别

提出了用9种火山岩的岩石类型描述火山岩储层岩性的模型,表达岩性对优质储层的控制作用。基于该模型,选取了对火山岩的岩性、组构、成因和孔隙结构反应灵敏的15种岩石物理测井参数,分别采用多元回归分析（MRA）、人工神经网络（ANN）和支持向量机（SVM）3种机器学习算法,尝试火山岩岩性的识别。在三塘湖盆地马朗凹陷牛东油田的实例中,使用了3口井的数据,其中N9-10井和N9-19井的火山岩储层为学习样本,N8-10井的火山岩储层为预测样本。利用N9-10井1361个样本和N9-19井881个样本（每个样本含15种测井参数及岩性）,通过这3种机器学习算法分别获得预测火山岩岩性的知识;然后,利用N8-10井961个样本（每个样本仅含15种测井参数）,根据上述学习获得的知识,得到这961个样本的岩性。研究发现：对于学习样本,MRA、ANN和SVM的计算与实际的平均相对误差绝对值分别为51.84%,48.66%和0;对于预测样本,则分别为52.44%,46.31%和6.30%。实例分析表明,只有SVM适用于本实例,这是由于火山岩岩性与15种岩石物理测井参数的非线性关系十分强烈。