基于测井资料和支持向量机的岩石可钻性研究

论文摘要

岩石可钻性的确定直接影响钻头选型和钻速预测,因而岩石可钻性的研究对于钻井工程有着重要意义。国内外各主要油田虽然对地层岩性的测定都相当重视,但是适用于油气井钻井条件的岩石可钻性问题仍然没有得到较好的解决。在评定岩石可钻性时,目前大多数是利用分析邻井资料,通过室内研究方法来获得,此方法有很大的局限性,尤其是在井少、井距远的新探区,要收集大量的有代表性的岩芯较困难,并且成本较高。因此,针对新探区和岩芯资料少的探区,需要有岩石可钻性确定的新途径及新方法。随着统计学理论的发展,国内外学者已开始研究利用机器学习理论来拟合油气勘探开发中的一些基本问题。但是,传统历史拟合存在成本高、效果差的问题,与神经网络相比,支持向量机方法可以有效地解决有限样本条件下的高维数据模型构建问题,并具有泛化能力强、收敛到全局最优、维数不敏感等优点。目前,支持向量机方法已经成为继神经网络之后机器学习领域里最热门的研究方向之一。因此,本文运用支持向量机理论研究地层岩石可钻性。本文首先对统计学习理论及智能算法进行了概述,介绍了支持向量机的回归原理,总结了几种核函数的选择方法；其次介绍了岩石可钻性级值的定义及确定可钻性级值的实验方法,列举了常用的几种测井方法来求取地层参数；然后,在测井资料的基础上优选了对模型影响较大的几种参数,利用优选出来的测井参数建立了基于支持向量机的地层岩石可钻性模型,并运用该模型对SC油田某井的实际测试数据进行预测；在对支持向量机模型核函数的选择上,利用几种常用的核函数,分别代入原始模型做预测,比较其拟合效果,从而确定最优的核函数；在核函数参数的选择上,利用网格搜索法确定一组参数,利用已优选出来的核函数做历史拟合,根据拟合效果调整步长进行迭代,直到拟合出最优效果。最后,将该方法与人工神经网络方法进行比较,结果表明该方法是优良和可行的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究概况
• 1.2.1 岩石可钻性预测研究现状
• 1.2.2 支持向量机研究现状
• 1.3 研究目标、方法和内容
• 1.3.1 研究目标
• 1.3.2 研究方法
• 1.3.3 研究内容
• 1.4 本文的特色与创新点
• 1.5 本文的结构安排
• 第2章 统计学习理论与智能算法
• 2.1 机器学习理论
• 2.1.1 机器学习模型
• 2.1.2 经验风险最小化
• 2.2 统计学习理论
• 2.2.1 VC维
• 2.2.2 推广型的界
• 2.2.3 结构风险最小化
• 第3章 支持向量机理论及最小二乘支持向量机
• 3.1 支持向量机基本理论
• 3.2 最小二乘支持向量机
• 3.3 核函数及其参数的影响
• 3.3.1 参数C的影响
• 3.3.2 参数ε的影响
• 3.3.3 参数σ的影响
• 第4章 岩石可钻性的应用研究
• 4.1 岩石可钻性的实验研究
• 4.1.1 实验原理
• 4.1.2 分级标准
• 4.2 利用测井资料对岩石可钻性的研究
• 4.3 几种主要的测井方法介绍
• 4.3.1 声波测井
• 4.3.2 电阻率法测井
• 4.3.3 泥质指示测井
• 4.3.4 其他测井方法
• 4.4 地层岩石可钻性的测井预测模型研究
• 第5章 用支持向量机对岩石可钻性进行研究预测
• 5.1 利用支持向量机预测岩石可钻性的流程
• 5.2 数据预处理
• 5.2.1 建模参数选择
• 5.2.2 测井资料的标准化和归一化
• 5.3 利用实例建立模型
• 5.4 核函数及其参数选择
• 5.4.1 核函数选择
• 5.4.2 核参数选择
• 5.5 系统设计原则
• 5.6 预测结果分析与比较
• 5.6.1 建模结果分析
• 5.6.2 与神经网络（ANNs）方法比较预测结果
• 5.7 支持向量机在预测地层岩石可钻性的建议
• 第6章 结论与展望
• 6.1 结论
• 6.2 下一步工作
• 致谢
• 参考文献
• 作者在攻读硕士学位期间发表的学术论文