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。

Fracture-cavity reservoir prediction based on well-controlled multi-attribute machine learning