基于交叉验证支持向量机储层预测方法及应用

发布时间：2021-05-26 13:42

　　东营凹陷深部储层埋深大,构造及相带变化复杂,钻遇目标层的井少,储层预测有很大的困难。以东营凹陷东部孔一段为例,将适合较小样本预测的支持向量机方法（support vector machine, SVM）应用到储层预测中。为了提高预测精度,惩罚因子选取和核函数参数训练过程中引入了交叉验证。输入样本为井点处的地震属性和储层厚度,属性通过井震关系优选,选取的是带宽、能量半时、最大振幅、均方根振幅、过零点个数和弧长等6种属性。预测结果表明,本文方法较常规的多元线性回归、不加交叉验证的SVM方法,有更高的预测精度,在深层勘探中有推广价值。 

【文章来源】：科学技术与工程. 2020,20(13)北大核心

【文章页数】：6 页

【文章目录】：
1 东营深部储层井震关系分析及属性优选
    1.1 东营深部储层特征及机理分析
    1.2 地震属性的提取及优选
2 基于交叉验证的SVM储层预测方法
    2.1 方法原理
    2.2 实际资料应用
3 结论


【参考文献】：
期刊论文
[1]基于支持向量机的交互检验储层预测[J]. 张向君,张晔.  石油物探. 2018(04)
[2]无监督与监督学习下的含油气储层预测[J]. 林年添,付超,张栋,金兴,张凯,文博,魏乾乾,张冲.  石油物探. 2018(04)
[3]基于支持向量机的页岩储层横波速度预测[J]. 倪维军,李琪,郭文惠,冯涛,李旭梅,周婷婷.  西安石油大学学报(自然科学版). 2017(04)
[4]半监督最小二乘支持向量机的研究及其在海上油田储层预测中的应用（英文）[J]. 罗伟平,李洪奇,石宁.  Applied Geophysics. 2016(02)
[5]基于支持向量机的属性优选和储层预测[J]. 张长开,姜秀娣,朱振宇,印海燕,陆文凯.  石油地球物理勘探. 2012(02)
[6]支持向量机模型在火山岩储层预测中的应用——以徐家围子断陷徐东斜坡带为例[J]. 张尔华,关晓巍,张元高.  地球物理学报. 2011(02)
[7]支持向量机在储层厚度预测和计算中的应用[J]. 邹华胜,宁书年,杨峰,徐遵义.  地球物理学进展. 2007(05)
[8]支持向量机的新发展[J]. 许建华,张学工,李衍达.  控制与决策. 2004(05)
[9]支持向量机的研究现状[J]. 柳回春,马树元.  中国图象图形学报. 2002(06)
[10]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)



本文编号：3206468