基于随机回归森林的储层预测方法研究

发布时间：2021-03-13 19:33

　　储层预测面对越来越复杂油气储层,需要采用一种合适的非线性算法充分挖掘地震数据与储层特征参数之间的潜在关系,获得储层的物性、岩性等信息。目前,在地震储层预测方面已有较多的智能算法被广泛应用和研究,这些算法既有优势也有缺陷。随机森林算法基于统计学习理论,在大量领域表现出操作方便、效率高、不用担心过拟合,较强的容噪性等优势,但在地震储层预测方面的应用和研究相对很少。若证明其能够有效刻画复杂储层的地质特征,则可以对油田技术研究和生产服务提供帮助与便利。本文重点研究了随机回归森林在地震储层预测中的适用性问题,采用实际数据和模拟数据相结合的方式,从可行性、容噪性、敏感性和局限性四个方面开展了具体的分析和试验。针对局限性研究中发现的问题,做了相应的改进方法研究,对在敏感性研究研究发现的地震属性冗余问题,研究了基于随机森林变量重要性的地震属性优选方法研究。研究结果表明,随机森林算法在地震储层预测方面具有可行性,能够对复杂储层的地质特征进行有效刻画;基于随机回归森林地震储层预测技术体现了操作简便、效率高、不用担心过拟合等优势;基于变量重要性的属性优选方法能够使预测结果获得更好的效果;测试样本的误差分析结... 

【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

随机森林示意图

不同时窗提取的能量属性（左边为小时窗，右边为大时窗）

基于RRF的地震储层预测方法流程示意图

【参考文献】：
期刊论文
[1]随机森林回归在地震储层预测中的应用[J]. 宋建国,高强山,李哲.  石油地球物理勘探. 2016(06)
[2]基于支持向量回归机与井导向的三角洲岩性油气藏储层参数预测[J]. 赵学松,高强山,唐传章,刘喜恒,宋建国,周从安.  石油地球物理勘探. 2016(05)
[3]随机森林分类方法在储层岩性识别中的应用[J]. 王志宏,韩璐,戚磊.  辽宁工程技术大学学报(自然科学版). 2015(09)
[4]面向非平衡训练集分类的随机森林算法优化[J]. 吴琼,李运田,郑献卫.  工业控制计算机. 2013(07)
[5]随机森林理论浅析[J]. 董师师,黄哲学.  集成技术. 2013(01)
[6]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)
[7]基于随机森林算法的大学生异动情况的预测[J]. 马昕,王雪,杨洋.  江苏科技大学学报(自然科学版). 2012(01)
[8]地震资料解释中应用测井数据需注意的几个问题[J]. 郭洪岩,云美厚,艾印双,聂岩.  石油物探. 2011(06)
[9]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌.  统计与信息论坛. 2011(03)
[10]地震属性优化与预测新进展[J]. 袁野,刘洋.  勘探地球物理进展. 2010(04)

博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
[2]地震储层参数非线性反演与预测方法研究[D]. 贺懿.中国海洋大学 2008

硕士论文
[1]基于地震属性的储层参数估算方法研究[D]. 赵龙飞.中国石油大学(华东) 2015
[2]基于支持向量机的储层参数预测方法研究[D]. 朱永才.西南石油大学 2012
[3]基于属性组合的随机森林[D]. 孙丽丽.河北大学 2011
[4]随机森林的特征选择和模型优化算法研究[D]. 雍凯.哈尔滨工业大学 2008
[5]基于地震属性分析的储层预测方法研究[D]. 倪凤田.中国石油大学 2008



本文编号：3080787