林年添,付 超,张 栋,金 兴,张 凯,文 博,魏乾乾,张 冲

(1.山东省沉积成矿作用与沉积矿产重点实验室,山东科技大学地球科学与工程学院,山东青岛266590;2.山东大学岩土与结构工程研究中心,山东济南250061;3.海底科学与探测技术教育部重点实验室,中国海洋大学地球科学学院,山东青岛266100;4.山东正元建设工程有限责任公司,山东济南250101;5.山东科瑞机械制造有限公司,山东东营257000;6.山东省煤田地质局,山东济南250104)

利用地震属性对含油气储层特征进行描述是石油地球物理勘探的主要手段之一[1-2]。目前,用于描述含油气储层特征的方法较多,包括聚类分析方法[3-4]、多属性融合技术[5-7]和神经网络[8-9]等。这些方法多以规模较大的训练样本为支撑,当训练样本不足时,模型的泛化能力就会受到限制,极易陷入过学习或欠学习的状态。支持向量机是以结构化风险最小化为基础的模式分类器[10],小样本的情况下也有更高的泛化能力,所构建模型的鲁棒性更为理想。支持向量机的难点在于参数寻优,本文综合期望风险评估折衷算法、聚合(复合)地震属性算法等对支持向量机的参数进行寻优,最大程度地消除了支持向量机参数寻优问题对预测结果带来的不利影响。支持向量机算法的分类与回归不但拓展到通讯、化学[11-12]、生物[13]等领域,而且推广到了油气地球物理勘探领域。对于储层预测而言,主要应用支持向量机的回归算法(support vector regression,SVR)。

当前人们使用的地震属性有上百种[14-15],如何高效地获取对含油气储层特征敏感的地震属性,构建各种属性与含油气储层特征的关系,是储层预测必须面对的问题。……