• / 5
  • 下载费用:5 下载币  

基于支持向量机的储层参数反演

关 键 词:
物探 地震资料解释 地震处理 反演
资源描述:
基于支持向量机的储层参数反演朱永才,薛坤林西南石油大学 研究生院,四川 成都 610500摘要:支持向量机是基于统计学理论的一种新的数学方法,近几年得到了快速的发展,国内外已将其应用到各个领域。本文应用支持向量回归机的方法,用测井数据、地震属性数据对储集层的储层参数进行了预测,得到了精度较高的储层参数;并通过对实验结果的分析,说明了这种方法的优势。关键词:支持向量机;测井曲线;孔隙度;砂泥岩百分比;含油饱和度0 引言目前利用地震属性以及测井曲线对油气储层参数(砂泥岩百分比、孔隙度等)进行预测已经成为油气预测的一种有效手段,但由于与储层参数敏感的地震属性 [1]、测井曲线 [2]较多,解释人员难以对其进行全面地考虑,所以预测精度将受到很大程度的影响,而支持向量机方法可以很好地解决这个问题,同时对多种地震属性、测井参数进行训练,综合考虑各种影响因素,从而提高预测精度,极大地降低反演时多解性带来的困扰,提取精度较高的储层参数,为油气勘探、开发提供保障。1 支持向量回归机支持向量机 ([3]是 于 1995 年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。支持向量机方法是建立在统计学习理论的理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以期获得最好的推广能力 。以下以 —支持向量回归机为例论述了支持向量回归机的主要步骤:(1) 设已知训练的集 ,其中 , , ;1{(,).(,)}),2) 选择适当的正数 、 和 ;选择适当的核函数 ;C'(,K(3) 构造并求解最优化问题:(1)** **(*)2,1 11)(,()()l l  , (2)()03)*0,,2,得到最优解 。**1(,.,)4) 构造决策函数, (4)*1())(,其中 按下列方式计算:选择位于开区间 中的 或 。若选到的是 ,则b(0,) (5)*1()(若选到的是 ,则*k1()(2 网格搜索法获取支持向量机参数网格搜索法顾名思义,就是将搜索的各个参数变量的可行域(可以从大到小)划分为一系列的小区间,由计算机或者人工顺序算出个参数对应变量值的组合,找到使得误差最小的一组参数作为最优参数。这种搜索方法工作量较大,搜索出来的最优参数组合不一定是全局最优,但一定是比较优秀的参数组合。本文的支持向量机的最优参数均采用是网格搜索法得到 [4]。图 1 网格搜索法得最优参数图 1 是在给定理论模型的情况下应用网格搜索法得到最优参数的过程图。图中 轴此的最优参数的组合便是图 1 中的最低点。 利用地震属性预测砂泥岩百分比利用支持向量回归机对我国渤海某油田 1 油组储层参数进行预测;由粗糙集理论 [5]从41 中地震属性 [6]中优选出总绝对振幅、均方根振幅、平均谷值振幅、振幅方差、总能量、顶底振幅比、峰谷面积比、波形长度、平均反射强度、突变幅度、高阶谱最大峰值等 11 种地震属性作为训练样本对砂泥岩百分比进行回归预测。与砂泥岩百分比预测相同,首先优选地震属性 [7],此次由粗糙集理论优选出来的属性有 15 种,挑选其中 11 种属性用于孔隙度大小预测:总的能量、总的绝对振幅、总的振幅、平均能量、平均谷值振幅、平均反射强度、波形长度、峰谷面积比、顶底振幅比、高阶谱能量、高阶谱的最大峰值。由网格搜索法得到最优参数分别为: , , 和 , , 。预测的结460C=C1果如下:图 2 砂泥岩百分比预测示意图图 3 孔隙度预测示意图从图 2、图 3 中我可以看出工区各个位置的砂泥岩百分比和孔隙度的大小;从而为油气的开发提供有利的知道作用。只要我们保证精度,利用支持向量机对储层参数的预测 [7]将会为油田节省经济开支。4 利用测井参数预测孔隙度已知国内某油田的三口井的测井数据,分别为井 1、 井 2 、井 3,其中的测井数据选择了深度、自然电位、自然伽玛、冲洗带电阻率、地层真电阻率、中子、密度(等测井曲线) ,应用网格搜索法得到。在进行参数优选之前我们对以上数据做了归一化 [8],这样做的主要目的是为了避免单位和数量级对预测的影响 [9]。预测孔隙度时,我们选择了深度、自然电位、自然伽玛、冲洗带电阻率、地层真电阻率、中子、密度七个属性,应用网格搜索法得到的最优参数为: , , 。利用测井曲线数据预测孔隙度的结果如10C= 4、5、6 所示。图 4 井 1+井 2 预测井 3 图 5 井 1+井 3 预测井 2图 6 井 2+井 3 预测井 1从上述三幅图可以看出支持向量机的预测精度是比较高的。5 结论作为一种非线性的模式识别工具 [10],支持向量机在解决非线性、小样本问题中体现出了很多优势,其中的回归预测就是支持向量机的一大特色。在石油勘探中,地震数据以及地震属性和储层参数、储层物性之间有着很复杂的非线性关系 [11],应用支持向量机对储层参数进行预测准确率高,有很大的发展前景;尤其是其在小样本情况下有优秀的预测能力[12],因此在井数据较少的情况下,可以不需要打井就可以得到储集层的储层参数,这可以为油田节省经济开支,值得在油田推广。[参考文献][1] ]. 东营:石油大学出版社, 2005.[2] ]. 北京:石油工业出版社, 2010.[3] 邓乃扬,支持向量机[M]技出版社, 2004.[4] 白鹏,张喜斌,张斌,]. 西安:西安电子科技大学出版社,2008.[5] 安利平,陈增强,]005(3):2946] ]002(5):187] ]油工业出版社,1998.[8] ]安科技大学理学院,2006.[9] ],沈阳:东北大学信息科学与工程学院,2007.[10] 国电力出版社,2007.[11] 乐有喜,]005(5):38812] A J]001,66(1):on on is a n it to in In we to we on to of ;011回日期:2011家高技术研究发展计划(863)项目(2006国家科技重大专项课题“海上开发地震技术及应用研究(2008”联合资助。作者简介:朱永才(1986—) ,男,安徽安庆人,在读硕士研究生,主要从事地震属性反演方面的研究。(朱永才,男(1986) ,安徽安庆人,在读硕士研究生,地球探测与信息技术专业,主要从事地震属性反演方面的研究工作,西南石油大学研究生院 硕 2009 级 5 班,四川 成都 610500,5982251961。薛坤林,女,西南石油大学石油工程学院 硕 2011 级,开发地质学专业)
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:基于支持向量机的储层参数反演
链接地址:http://www.oilwenku.com/p-11002.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开