多阈值BIRCH聚类在相控孔隙度预测中的应用

发布时间：2021-11-15 06:24

　　岩相及孔隙度预测在油气勘探中非常重要,为此,提出一种基于多阈值BIRCH（Balanced Iterative Reducing and Clustering Using Hierarchies）聚类的岩相预测方法,并以此为基础利用岭回归算法预测孔隙度。首先,根据地震波阻抗数据分布规律启发式设定初始阈值,根据簇之间体积的不一致性,动态增加阈值,使用Agglomerative算法进行全局聚类以划分岩相;然后,以井点处孔隙度和地震波阻抗数据为输入,在同一岩相内采用改进的岭回归方法预测孔隙度。模型实验表明,多阈值BIRCH聚类方法具有良好的稳定性和较高的计算效率,岩相划分准确。实际数据结果表明,该方法能够准确预测孔隙度。 

【文章来源】：石油地球物理勘探. 2020,55(02)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

CF树结构示例

在相带的约束下,利用井点处孔隙度与波阻抗数据进行非井点处的孔隙度预测。在每个相带内都会由岭回归计算得到最优参数估计量,在此基础上,由未标签波阻抗数据可计算得到孔隙度预测值。利用交叉验证方法将井点处预测的孔隙度值与已知的孔隙度进行误差分析。本文采用交叉验证方法,即选择w-1口井的波阻抗和孔隙度数据作为训练集进行模型训练,一口井作为测试集验证模型及参数。这样循环w次,使每口井都作为测试集进行检验,最后选择损失函数评估最优的模型及参数。

图3a为水平切片(网格数为150×200),即输入数据。图3b显示孔隙度与波阻抗之间存在着负相关关系。但是,其相关系数和偏移量很大程度上依赖于不同岩相的不连续性,并且孔隙度在每个岩相带内具有低可变性。因此,一旦岩相结构已知,便可通过回归方法根据波阻抗估计孔隙度。4.1.1 多阈值BIRCH+RR方法预测


本文编号：3496215