基于PSO-SVM的煤层气储层测井产能预测研究
2021-05-06陈立海季新杰袁孟伟
承德石油高等专科学校学报 2021年1期
关键词:模型
乔 磊,陈立海,王 平,季新杰,崔 友,袁孟伟
(1.承德石油高等专科学校 a.仪器仪表工程技术研究中心;b.热能工程系,河北 承德 067000;2.承德医学院附属医院南院,河北 承德 067000)
煤层气是一种自生自储的,以甲烷为主要成分,主要吸附在煤岩基质的微孔隙内表面,少部分游离于裂缝孔隙或溶解于煤层水中的非常规天然气。开发利用煤层气,对于缓解我国当前油气资源短缺的现状,保证国民经济持续快速健康发展具有重大意义[1-2]。产能是表征储层动态特征的一个综合指标,是储层的生产潜力和各种影响因素之间通过相互制约而达到的一种动态平衡。利用测井方法评价储层产能,就是力图利用这种通过测井方法获取的静态的储层参数来预测储层的产能[3-7]。开展煤层气储层产能预测研究,建立基于测井技术的煤层气储层产能级别预测模型,形成煤层气储层产能评价体系,可以拓展测井技术在煤层储层评价上的应用,优选开发区域和层位、降低煤层气开发风险、提高开发效率和经济效益。
1 支持向量机原理
支持向量机(Support Vector Machine,简称SVM)是Vapnik等人在1995年创立的一种基于VC维理论和结构最小化原则的通用机器学习方法,其特点是在解决学习性的问题时利用核函数技术,在解决推广性的问题利用正则化解法,据此建立的模型使得预测的准确性大幅度提高[8-9]。
设非线性训练集为{(x1,y1),…,(xi,yi)},xi∈Rn,yi∈R,i=1,2,…,l,其中训练集x通过非线性变换φ被映射到高维空间,在高维空间将训练集的非线性关系变换成线性关系后建立回归预测函数。……
登录APP查看全文
