基于支持向量机在储层参数预测中的应用

论文摘要

利用地震资料来进行储层参数预测是油气勘探的一个重要组成部分，因此在采用地震资料来提高储层参数的预测精度和可靠性时，需要最大限度的挖掘和利用已有的地震与测井信息，以适应复杂储层油气田勘探开发的要求。本文在对地震属性研究的基础上，较为系统阐述了地震属性优化的一些基本问题。采用多元统计中的相关系数公式方法优选与孔隙度较为敏感的地震属性参数，利用主成分分析对地震属性参数进行优化，以达到特征约减的目的，同时也剔除地震属性彼此之间相关而造成信息冗余，并将优化的结果用于储层参数的预测。以川东南嘉陵江组储集层为例，在对区内储层地质特征精细研究的基础上，发现该区内储集层的样本数据量较少，若采用传统的预测方法难以达到理想的效果，本文尝试针对小样本学习的支持向量机模型应用到储层参数预测中。实验结果表明基于主成分分析的支持向量机方法与传统的储层参数预测方法比较，取得了较好的效果。通过该方法对工区内未知区域储层参数预测，并结合克里金估计技术绘制工区内储层参数平面和空间分布特征，从而确定储集层的有利勘探目标区。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 引言
• 1.1 选题依据及研究意义
• 1.2 国内外研究现状
• 1.2.1 支持向量机研究现状
• 1.2.2 地震属性的发展和储层参数预测的研究现状
• 1.3 本文的研究内容及研究思路
• 1.3.1 研究内容
• 1.3.2 研究思路
• 第二章 地震属性优化和储层参数预测模型研究
• 2.1 地震属性理论知识
• 2.1.1 地震属性概述
• 2.1.2 地震属性的分类和提取
• 2.1.3 地震属性数据的处理
• 2.2 地震属性优化技术
• 2.2.1 地震属性优化概述
• 2.2.2 地震属性优化方法
• 2.3 储层参数预测模型研究
• 2.3.1 储层参数预测概述
• 2.3.2 储层参数预测模型
• 第三章 统计学习理论和支持向量机
• 3.1 机器学习基本原理
• 3.1.1 机器学习的基本问题
• 3.1.2 经验风险最小化原则
• 3.2 统计学习理论
• 3.2.1 VC维
• 3.2.2 学习机器推广的界
• 3.2.3 结构风险最小化原则
• 3.3 支持向量机理论
• 3.3.1 支持向量机简介
• 3.3.2 最优超平面的构造
• 3.3.3 广义最优分类超平面
• 3.3.4 支持向量机原理
• 3.3.5 核函数
• 3.3.6 回归估计的支持向量机方法
• 第四章 应用实例
• 4.1 研发背景
• 4.1.1 传统方法在利用地震属性预测储参物性参数存在的局限性
• 4.1.2 针对工区的地质地貌特征提出解决问题的方法
• 4.2 数据的预处理
• 4.3 地震属性参数的数据优化及分析
• 4.4 储层参数预测方法的应用
• 4.4.1 基于传统预测模型在储层参数中的应用
• 4.4.2 基于支持向量机预测模型在储层参数中的应用
• 4.5 成果分析及讨论
• 4.6 孔隙度预测效果图
• 结论和展望
• 致谢
• 参考文献