基于核Fisher判别的复杂储层岩性识别
本文关键词: 复杂储层 岩性识别 核Fisher判别 分级核Fisher 出处:《科学技术与工程》2017年31期 论文类型:期刊论文
【摘要】:复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。
[Abstract]:Many kinds of lithology can be used as reservoir in complex reservoir. The physical characteristics of different lithology are quite different. Lithologic interpretation of complex reservoir is a more effective method to obtain accurate physical properties, but the logging characteristics of different lithology are similar. The recognition effect of conventional linear classification method is not satisfactory, because the nonlinear classification characteristics of complex reservoir rock is a large proportion. In order to solve this problem. In this paper, we generalize Fisher discriminant analysis to form kernel Fisher discriminant analysis, and make further use of the nonlinear information not extracted from Fisher discriminant. More nonlinear classification features are obtained by increasing the dimension, and then the features of lithologic classification are extracted by reducing the dimension. In this paper, the kernel Fisher is preprocessed by experiments. The selection of key parameters is introduced in detail, and the core Fisher method is compared with other classification methods to verify the lithologic recognition ability of the kernel Fisher method. For the difference and similarity relationship between different lithology, resulting in low lithology recognition accuracy, the idea of classified kernel Fisher discriminant analysis is put forward. It is proved that the classification kernel Fisher discriminant analysis can further improve the accuracy of lithology recognition.
【作者单位】: 中国石油化工股份有限公司石油勘探开发研究院;
【分类号】:P618.13;P631.81
【正文快照】: 引用格式:王鹏,胡向阳,魏水建.基于核Fisher判别的复杂储层岩性识别[J].科学技术与工程,2017,17(31):29—34Wang Peng,Hu Xiangyang,Wei Shuijian.Lithologic identification ofcomplex reservoirs based on kernel Fisher discriminant analysis[J].Sci-ence Technology and
【相似文献】
相关期刊论文 前10条
1 陈溧;关于综合岩性识别和油气评价的一种设想[J];石油物探;1985年01期
2 孟凡顺;徐会君;朱焱;黄彦铭;;基于主成分分析的距离判别分析方法在岩性识别中的应用[J];石油工业计算机应用;2011年01期
3 刘倩茹;薛林福;潘保芝;白烨;张程恩;;梨树断陷砂砾岩测井岩性识别[J];测井技术;2013年03期
4 张万良;遥感岩性识别研究的发展趋势——遥感与航空放射性信息集成[J];矿物岩石地球化学通报;2005年01期
5 赵杰;李春华;;基于神经网络的两种岩性识别方法的研究[J];现代电子技术;2009年22期
6 田玉昆;周辉;袁三一;;基于马尔科夫随机场的岩性识别方法[J];地球物理学报;2013年04期
7 张治国,杨毅恒,夏立显;自组织特征映射神经网络在测井岩性识别中的应用[J];地球物理学进展;2005年02期
8 宗金峰;;最大隶属优势准则在测井岩性识别中的应用[J];河北地质学院学报;1988年01期
9 李剑峰,赵英俊,刘德长,付锦;灵泉盆地多源地学信息综合岩性识别方法探讨[J];国土资源遥感;1999年02期
10 王淑盛,徐正光,刘黄伟,王志良,史立峰;改进的K近邻方法在岩性识别中的应用[J];地球物理学进展;2004年02期
相关会议论文 前7条
1 郭瑞华;曹庆年;程国建;;基于粒子群优化的最小二乘支持向量机在岩性识别中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
2 李新虎;;基于不同测井曲线参数集的支持向量机岩性识别对比[A];陕西地球物理文集(十)--资源与灾害地球物理[C];2011年
3 李琼;何建军;;复杂储层地震预测理论及方法研究[A];中国地球物理·2009[C];2009年
4 尚林阁;李舟波;刘四新;柳孟文;;变质岩系储集层的岩性识别方法[A];1992年中国地球物理学会第八届学术年会论文集[C];1992年
5 李继安;;人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例[A];陕西地球物理文集(九)[C];2010年
6 孙玉朋;毕建霞;曾正清;;复杂储层相控预测及定量预测技术一体化研究[A];中国地质学会2013年学术年会论文摘要汇编——S02资源与环境地球物理勘查理论与方法技术分会场[C];2013年
7 张志让;查朝阳;钟德盈;杨绍国;;复杂储层地震预测综合解决方案[A];第九届全国古地理学及沉积学学术会议论文集[C];2006年
相关重要报纸文章 前1条
1 ;何惧复杂储层 自有特色克星[N];中国石化报;2010年
相关博士学位论文 前3条
1 赵建鹏;复杂储层数字岩心建立方法及声电特性模拟研究[D];中国石油大学(华东);2015年
2 牟丹;辽河盆地中基性火成岩测井岩性识别方法研究[D];吉林大学;2015年
3 李春山;X射线荧光岩屑识别技术研究[D];西北大学;2010年
相关硕士学位论文 前10条
1 石振杰;基于面向对象的遥感技术岩性识别研究[D];昆明理工大学;2016年
2 付光明;基于重磁三维反演的岩性识别与立体填图[D];东华理工大学;2017年
3 张洪江;常规、成像测井等资料砂砾岩岩性识别研究[D];东北石油大学;2011年
4 邵阳;含火山岩地层测井响应分析及岩性识别技术研究[D];大庆石油学院;2010年
5 马晓龙;扶新隆起带扶余油层测井资料岩性识别及岩相划分[D];东北石油大学;2011年
6 王鑫;东营北带深层砂砾岩测井层序对比与岩性识别研究[D];中国石油大学;2010年
7 关涛;砂砾岩岩性识别方法研究[D];吉林大学;2013年
8 盛宇宏;基于IDL的岩性识别[D];中国地质大学(北京);2010年
9 张磊;常用数学物理方法在测井解释中的应用[D];长江大学;2012年
10 相爱芹;短波红外技术在矿物填图与遥感岩性识别中的应用研究[D];中南大学;2007年
,本文编号:1468431
本文链接:https://www.wllwen.com/kejilunwen/diqiudizhi/1468431.html