基于交叉验证支持向量机储层预测方法及应用
2020-06-13张军华任雄风谭明友于正军
科学技术与工程 2020年13期
张军华, 任雄风, 赵 杰, 谭明友, 于正军
(1.中国石油大学(华东)地球科学与技术学院,青岛 266580;2.胜利油田物探研究院,东营 257022)
东营凹陷中浅部储层油气勘探,大多都形成了技术系列与规范。而深部储层其成因及成藏机制的研究还不够深入,地震资料品质相对较差,钻遇井又比较少,储层厚度预测有较大的困难。
储层预测有很多方法,支持向量机方法(SVM)由于能很好地解决样本少、非线性、高维数和局部极小点问题[1],对于少井区的储层预测,是值得优先使用的方法[2-3]。SVM最早由Vapnik根据模式识别中广义肖像算法发展而来[4-5],随着对ε不敏感损失函数的引入[6],学习性能得到提高,在建模、预测等方面取得了很好的应用效果[7-9]。邹华胜等将SVM引入少训练样本的储层厚度预测中,预测相对误差较BP人工神经更小[10]。张长开等通过SVM的属性优选方法选出有效属性,基于SVM对储层进行了有效预测[11]。林年添等利用聚类分析法对用卷积升维形成的各类纵、横波地震属性进行降维,将用聚合法得到的多波地震聚合属性作为SVM的学习集进行含油气储层预测,预测储层边界更加清晰与实际情况较吻合[12]。SVM储层预测,关键因素有两个:一是选好核函数,本文采用的是适用于高维、小样本的高斯径向基函数;二是调好核函数参数g和惩罚因子C,它们会直接影响SVM泛化能力和预测精度[13-14]。为了使每口井都能参加训练并且得到验证,在选取惩罚因子和核函数参数的训练过程中应用了交叉验证方法[15],进一步提高了储层厚度的预测精度。……
登录APP查看全文
