支持向量机在储层厚度预测和计算中的应用

本文通过对油田储层结构的分析,运用支持向量机的理论和方法,建立了用于预测和计算储层厚度的支持向量机回归模型,并对该模型从参数变化范围、核函数选择、误差评价的标准等多方面进行了探讨,找出了建立储层厚度预测模型的一种有效方法,通过对实际储层厚度的预测,证明该方法在预测和计算储层厚度中具有较高的参考价值.     

多波地震深度学习的油气储层分布预测案例

有机并有效利用纵波与转换横波在油气储层敏感度上存在的差异,有助于突出地震油气储层特征,有助于提高地震油气储层分布边界刻画的精度.基于此,本文设计了一种卷积神经网络与支持向量机方法相结合的多波地震油气储层分布预测的深度学习法（Deep Learning Method）.首先,利用莱特准则剔除所生成的多波地震属性中可能存在的异常值降低网络变体数量.然后,通过能突出多波地震油气储层特征的聚类算法和无监督学习算法构建隐藏层,用于增加网络共享,提取油气特征.最后,将增加网络罚值后的井点样本作为支持向量机预测的输入样本,以降采样后的C3卷积层属性作为学习集,进行从已知到未知的地震油气储层的预测.本方案应用于HG地区晚三叠统HGR组的碳酸盐岩油气储层预测,所预测的地震油气储层边界更加清晰,预测结果与实际情况基本吻合.应用结果表明：本论文方案不仅具有可行性,且具有有效性.

     

基于模糊粗糙集的机器学习储层参数预测

因为地震数据的三维空间分布优势,地震属性已经被广泛应用于含油气性预测、储层厚度预测、孔隙度预测等。但也存在地震属性之间信息冗余、属性与储层物性参数关系模糊的问题。针对这两个问题,将模糊粗糙理论和机器学习引入到储层参数预测中来。通过模糊粗糙集理论对地震属性进行约简,去除冗余信息,得到最优化的地震属性组合;将约简后的属性作为机器学习的输入,实现从地震属性到储层物性参数的非线性映射。该方法既保留了地震属性中有效信息,又避免了因输入变量过多而导致的网络模型训练困难。实际数据应用表明,属性约简的机器学习预测结果分辨率更高,并与数据吻合更好。     

基于逆建模理论的储层特征定量预测方法

定量描述储层特征的物理量称为储层参数,在储层描述工作中储层参数预测是一个重要环节.本文以岩石物理理论为基础研究了利用岩石物理逆建模理论进行储层参数预测的方法.在合理、有效的岩石物理模型的基础上,逆建模方法通过弹性参数的等值面的空间交会可以预测出储层参数.在此基础上提出了一种扩展的岩石物理逆建模方法,在两个不同的储层参数域进行三维岩石物理逆建模,通过逆建模结果的参数域转换可以预测更多的储层参数,为储层特征描述提供了更加充分的数据支持.输入数据的种类对于预测结果的准确性有较大影响,利用本文建立的弹性参数适用性分析方法可以选择出适用性好的弹性参数组合作为输入数据.将本方法应用于模型数据和实际工区数据,取得了较好的预测效果,证明方法具有一定的实用性.     

基于BP神经网络的储层渗透率预测及质量评价方法

储层渗透率预测和评价是油气藏勘探与开发急需突破的瓶颈技术之一,BP神经网络预测储层渗透率的研究在行业中已有一定的应用,但受限于数据规模、参数调整及模型评价方法,该方法预测结果不稳定,且不能准确给出全井段储层的连续渗透率的预测质量,在油田现场并未大规模推广应用.本文针对传统BP神经网络预测储层渗透率方法中存在的问题,在对机器学习的数据处理、参数选择系统考察的基础上,定量分析了不同输入曲线、网络结构、样本大小对渗透率预测模型精度的影响,总结了BP神经网络预测渗透率模型的参数优选方案;并提出了一种基于模型森林的预测曲线质量逐点评价方法,实现了对全井段渗透率预测的质量评价.实际应用表明,本研究提出的储层渗透率预测及质量评价方法与实际岩心渗透率吻合度高,推广应用前景良好.     

基于水动力能量分析确定有利沉积微相带分布研究——以下寺湾油田研究区延9储层沉积微相划分为例

沉积微相划分及有利沉积微相带筛选是油气田地质研究的基础工作,本文针对陕北斜坡东南部下寺湾油田研究区延9储层分流河道骨架砂体识别及有利沉积微相带分布研究,提出了基于地质历史时期沉积水动力能量分析的划相方法.该方法有效的避免了薄互层砂体累加厚度对沉积微相划分的干扰,可以在平面上快速准确的评价划分沉积能量等级,并筛选有利沉积相带.特别是在平面上井数较多,地质资料繁多的情况下可以利用沉积水动力定量参数快速确定不同沉积微相带边界.总体而言,该方法理论基础充分,且具有较高的实用性和可操作性.     

长江倒灌对鄱阳湖水动力特征影响的数值模拟

长江水倒灌是鄱阳湖的一个重要现象,是江湖作用的具体体现.利用环境流体动力学开源代码(EFDC)建立鄱阳湖的二维水动力模型,并借助染色剂模块和水龄模块,分析鄱阳湖全年的水动力变化过程、倒灌现象及其影响.数值模拟结果精确地验证倒灌的发生、持续时间和倒灌流量,显示倒灌时期湖区水力梯度、湖流逆向的特点.顶托作用强于鄱阳湖盆地作用时是倒灌发生的条件,通过计算倒灌发生的临界流量并与实际来流进行对比,本文提出新的倒灌判定条件,可以准确地预测倒灌和预估倒灌流量,且利用2007 2009年的测量数据验证了其可靠性.通过在赣江入流设置染色剂的方法,模拟获得2008年4次倒灌入流水体在湖区的占据面积.顶托作用和倒灌造成湖水不能外泄甚至逆流,增加湖区水体的水龄,通过数值模拟并与水力停留时间进行对比,估算出湖湖水水龄的增加时间.     

基于PSO-SVM的城市桥梁群体震害预测模型研究

本文根据城市桥梁群体的实际震害资料数据,采用粒子群算法（PSO）来优化支持向量机（SVM）参数,选择影响桥梁震害等级的8个因素作为特征输入向量,充分用2种算法的优点建立PSO-SVM的桥梁震害预测模型。通过比较PSO-SVM和SVM模型对桥梁震害的预测能力,发现PSO-SVM模型具有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指导意义。     

基于孔隙结构储层分类的中低孔特低渗储层渗透率确定——以B区块S油层为例

针对B区块S油层含泥含钙中低孔特低渗储层渗透率计算精度低的难题,分析岩性、物性、孔隙结构对储层渗透率的影响,明确了孔隙度、泥质含量、钙质含量、孔隙结构是影响B区块S油层特低渗储层渗透率的主要因素,其中,孔隙结构是影响特低渗储层渗透率的关键因素.综合运用压汞曲线、孔喉半径分布特征以及流动单元指数反映特低渗储层孔隙结构变化,将特低渗储层按不同孔隙结构划分成3种类型,建立了特低渗储层类型的判别标准.利用中子测井、密度测井、声波测井、微球形聚焦测井、深浅侧向电阻率测井差值的绝对值等5个储层类型识别的敏感测井响应及参数,使用决策树法、最邻近结点法、BP神经网络法和支持向量机法建立了4种基于机器学习的储层判别方法,储层类型判别准确率依次提高,其中,基于支持向量机的储层类型判别方法判别准确率最高92.2%,且对3种类储层判别效果均很好.针对3类储层分别建立了渗透率计算公式．实际井解释结果表明,基于机器学习储层分类的渗透率模型计算B区块S油层特低渗储层渗透率精度明显高于储层分类前渗透率计算精度,其中,基于支持向量机储层分类计算的渗透率精度最高．     

基于区域测井大数据和实验资料的储层流动单元渗透率建模方法

渗透率是反映储层渗流特性的参数,其对研究油气运移及油气田勘探开发具有重要意义.目前渗透率计算模型大多精度较低,主要原因是储层纵横向的非均质性和孔隙结构的巨大差异,且现有计算模型适用范围小,应用资料种类单一,不能综合反映区域特征.本文以西湖凹陷3个区带7个构造29 口探井的测井资料和岩石物理实验分析资料为研究基础,应用1...     

基于最小二乘支持向量机的城市桥梁震害预测模型研究

针对地震中城市桥梁震害状态具有较强的非线性、复杂性的特点,采用了具有RBF核函数的最小二乘支持向量机(LS-SVM)算法。在大量收集我国地震中城市桥梁震害资料的基础上,将此算法引入桥梁的震害预测中,选取了地震烈度、上部结构、地基失效程度、支座类型、墩台高度、桥梁跨数和场地类别等因素作为模型的特征输入向量,建立了最小二乘支持向量机的桥梁震害预测模型。通过反复地样本训练及模型参数设置,仿真结果表明,该方法具有一定的准确度和可行性。基于最小二乘支持向量机的桥梁震害预测方法是一种可以用于地震中桥梁震害预测的良好方法。     

长江倒灌对鄱阳湖水文水动力影响的数值模拟

倒灌是发生在湖泊与周围水体交汇处的一个重要物理过程,对湖泊水文水动力与水环境带来严重影响或干扰,进而对湖泊水质产生重要的影响或控制作用.本文采用统计方法和二维水动力-粒子示踪耦合模型来分析倒灌物理成因、倒灌发生判别与指示以及倒灌对鄱阳湖水文水动力的影响.统计表明,流域"五河"入湖径流、长江干流径流情势以及两者叠加作用均是倒灌的影响因素,但长江干流径流情势是影响或者控制倒灌频次与倒灌强度的主要因素."五河"来水与长江干流的流量比可用来判别与指示倒灌发生与否.当流量比低于约5%时,倒灌可能发生且最大发生概率可达25%;当流量比高于10%时,倒灌发生概率则低于2%.水动力模拟结果表明,倒灌对湖区水位与流速的影响向湖区中上游逐渐减弱,湖泊水位和流速受影响最为显著的区域主要分布在贯穿整个湖区的主河道,而浅水洪泛区的水位和流速则受倒灌影响相对较小.倒灌使得湖泊空间水位提高约0.2~1.5 m,湖泊主河道的流速增加幅度可达0.3 m/s.粒子示踪结果表明,倒灌导致湖区水流流向转变约90°~180°,倒灌导致的水流流向变化能够使湖区大部分粒子或物质向上游迁移约几千米至20 km,且粒子在下游主河道的迁移距离要明显大于中上游洪泛区.     

基于流动单元的储层评价及剩余油预测

采用自然分段结合聚类分析的方法,在该区识别出4类流动单元,并以短期旋回为单位,对各类流动单元进行了平面分布预测,按流动单元的平面结构特征将短期旋回分为4类.采用概念模拟、定性分析和定量模拟的方法对剩余油进行了研究,表明储层流动单元结构对剩余油的控制明显,处于一类、二类短期旋回中的大面积连续分布的E,G型流动单元大多水淹,而在以F型为主的三类短期旋回中不被控制的小型孤立的G型流动单元及大面积分布的F型流动单元成为剩余油富集部位,针对此,开发调整策略应加强小规模E,G型流动单元的完善,加大三类短期旋回的动用力度,封堵一类短期旋回.这一策略明显改善了油田的开发效果.     

基于支持向量机的砂土液化预测分析

将支持向量机方法应用于砂土地震液化预测问题.考虑影响砂土液化的因素,选用震级、标贯击数、相对密实度、土层埋深、地震历时、地面运动峰值加速度和震中距7个影响因子作为液化判别指标,建立了砂土液化预测的支持向量机模型.以砂土液化实测数据作为学习样本进行训练,建立相应函数对待判样本进行分类.研究结果表明:支持向量机模型分类性能良好,是砂土地震液化预测的一种有效方法,可以在实际工程中进行推广.     

基于岩石物理相约束的致密砂岩气储层渗透率解释建模

充分利用岩心、薄片和钻测井等资料,对四川盆地JQ区块须家河组须二段致密砂岩气储层的沉积微相、成岩相和裂缝相特征进行了研究.结果表明,须二段沉积以辫状河三角洲前缘为主,发育水下分流河道、河口坝和分流间湾等微相;根据成岩作用类型、强度、成岩矿物及其对储层物性的影响将储层划分为压实致密、碳酸盐岩胶结、伊蒙混层充填和不稳定组分溶蚀4种成岩相;裂缝相则以局部层段发育的近水平缝为主.通过三者的叠加与复合对储层岩石物理相进行分类命名,划分出了河口坝-不稳定组分溶蚀-近水平缝相等多种岩石物理相.然后按照岩石物理相对储层物性的建设与破坏作用对其进行聚类分析,归纳出了PF1～PF4四大类岩石物理相.通过建立每一类岩石物理相的孔隙度-渗透率关系表明,基于岩石物理相约束而建立的储层渗透率解释模型具有更高的精度.岩石物理相是揭示致密砂岩气储层成因机理并提高其物性参数测井解释精度的有效途径.     

基于小波变换和支持向量机的中国大陆强震预测

将小波变换和支持向量机用于中国大陆年度最大地震震级预测。 先用小波变换把中国大陆年度最大地震序列分解成几个不同尺度水平(频率)的子序列, 然后使用支持向量机对分解后的子序列分别进行预测, 最后通过重构几个子序列的支持向量机预测结果得到最终预测结果, 预测次年中国大陆最大地震震级。 与支持向量机和神经网络方法对比, 结果表明小波变换和支持向量机相结合方法具有更高的预测精度, 预测效果很好, 说明此方法可用于地震时间序列预测。     

基于匹配追踪算法的强屏蔽剥离技术在樊159井区储层预测中的应用

当储层上覆地层含有厚层烃源岩等特殊地层时,这些地层在地震剖面上会呈现出强振幅特征,这会使下伏储层信息被掩盖,从而干扰储层的正常描述与预测。因此,消除强干扰对储层地震反射的影响,增强储层弱反射信号,对于提高储层预测精度,确定有利储层的空间展布有着重要意义。樊159井区位于樊东地区中西部,该区沙三下亚段和沙四纯上亚段分布高阻、高速厚层烃源岩,对下伏滩坝砂岩储层有强屏蔽作用,必须对其进行剥离。本文以樊159井区实际地震工区为例,分析了储层的地球物理特征,研究了基于层位控制的多道匹配追踪算法,实现了强屏蔽层的剥离。剖面属性对比和沿层属性分析结果表明,储层识别精度得到明显提高。     

基于近似支持向量机的流体识别因子融合

通过叠前反演获得的单参数或组合参数都有一定的流体识别能力,但如何将多种流体识别因子有效融合是目前进行流体识别的一个难题.利用人工参与进行流体性质的综合解释是目前流体识别因子融合的主要途径,但这种方法人为干扰较大,不确定性强.鉴于此,本文提出了一种基于近似支持向量机的流体识别方法.该方法首先以实际工区测井资料为依据,优选出对工区内储层所含流体特征敏感的流体识别因子作为输入参数,然后通过近似支持向量机进行流体性质的判别,实例证明该方法的识别结果客观准确,是一种可靠的流体识别方法.     

基于支持向量机的多维地震时间序列建模

文中首先介绍了支持向量机回归方法,然后对其进行了数值仿真实验,最后利用该方法对首都圈地区的地震活动进行回归建模与内符检验。分析认为,利用该方法可以获得较强的多维地震样本学习、建模与外推泛化能力,具有较高的中长期地震危险性估计能力。     

基于多任务学习的测井储层参数预测方法

基于多任务神经网络模型, 提出一种多任务测井储层参数预测方法, 利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测, 通过数值实验对比, 多任务预测模型有效提升了单任务储层参数预测模型的效果, 且提升幅度与模型结构有关, 异架构多任务模型的总体预测效果好于同架构多任务模型.以平均相对误差(MAPE)作为模型评价标准, 针对本研究所采用的数据集, 同架构多任务模型的孔隙度、渗透率和含水饱和度在测试集上的MAPE约为6%、17%和9%, 相较于单任务模型, 预测效果分别提升约30%、20%和10%.异架构多任务模型的孔隙度、渗透率和含水饱和度, 在测试集上的MAPE约为6%、13%和6%, 相较于单任务模型分别提升超过2%、60%和10%.