應(yīng)用聯(lián)合預測法進行儲層預測
時間：2016-12-27 14:37
來源：
作者:龐靜超
在區(qū) 塊 進 行 儲層 預 測 的 過程 中， 可 供使 用 的 測 井及鉆井信息較少，因此如何更有效地利用已知測井信息成為重點研究內(nèi)容。通過衡量錯誤預測代價及考慮預測結(jié)果置信度，研究提出了一種基于置信度的聯(lián)合儲層預測方法。該方法能夠很好地在測井符合率及置信度間進行平衡?；?FLD 算法的測井符合率達 100%，因此可采用該方法建立小樣本儲層預測學習系統(tǒng)；基于線性核函數(shù)的 SVM 的測井符合率達 88%，基于其他核函數(shù)的 SVM 的測井符合率較低，因此可采用基于線性核函數(shù)的 SVM建立小樣本儲層預測學習系統(tǒng)。從油氣生產(chǎn)過程的預測錯誤代價角度考慮，將非含油氣地震道預測為含油氣地震道的經(jīng)濟代價明顯高于將含油氣地震道預測為非含油氣地震道；從預測結(jié)果置信度角度考慮，采用一定的聯(lián)合預測方法可以 整 合 FLD 算 法 及 線 性 SVM 算法，同時可以提高預測結(jié)果的置信度。
綜合考慮上述兩點，研究提出基于“投票”的聯(lián)合儲層預測方法：僅當 FLD 算法及線性 SVM 算法對當前地震道的預測結(jié)果為含油氣時才判定當前道為含油氣地震道，否則判定當前道為非含油氣地震道。具 體 算 法 流 程 如 圖 1 所 示： 首 先利用 FLD 算法對當前地震道含油氣性進行預測并將預測結(jié)果寫入緩存；其次利用線性 SVM 算法對當前地震道含油氣性進行預測并將結(jié)果寫入緩存；最后利用“投票”法對當前地震道的含油氣性進行聯(lián)合預測。本實驗旨在通過“投票”法對整個區(qū)塊含油氣性進行預測。首先針 對 FLD 及 線 性 SVM 進 行 測 井符合率“投票”，其測井符合率達88%。通過分析基于聯(lián)合儲層預測方法的測井符合率得知該方法能夠獲取較好的預測外推結(jié)果，同時通過對比分析 FLD 及線性 SVM 對整個區(qū)塊的外推結(jié)果發(fā)現(xiàn)二者的預測一致率達 88.01%，說明當前兩種方法各自的預測結(jié)果置信度較高，但仍然存在著一定的誤差，從另一角度說明采用聯(lián)合儲層預測方法對 FLD及線性 SVM 進行整合的必要性。
同樣以該區(qū)塊進行儲層預測外推，采用聯(lián)合儲層預測方法的預測結(jié)果如圖 2 所示，其中紅色區(qū)域代表預測結(jié)果為含油氣區(qū)域，藍色區(qū)域代表預測結(jié)果為不含油氣區(qū)域。利用線性判別法——FLD 來進行儲層預測，通過計算其測井符合率證明該方法適用于小樣本儲層預測。對應(yīng)用較廣泛的 BPNN 方法進行研究，通過計算其測井符合率證明該方法不適用于測井樣本較少的情況。選取適用于小樣本情況的 SVM 方法進行儲層預測，通過求解基于不同核函數(shù)的 SVM 的測井符合率發(fā)現(xiàn)基于線性核函數(shù)的 SVM 比較適用于小樣本儲層預測。從預測誤差代價及置信度角度出發(fā)，提出了一種聯(lián)合儲層預測方法——“投票”方法，該方法能夠較好地對 FLD 學習機及線性 SVM 學習機進行整合，同時獲得較高測井符合率。最后對基于地震屬性儲層預測系統(tǒng)的實現(xiàn)進行相關(guān)闡述，包括需求說明、軟件結(jié)構(gòu)、預測系統(tǒng)訓練模塊、核心預測模塊、結(jié)果顯示模塊、預測報告生成模塊等。
微信公眾號
微信視頻號
京公網(wǎng)安備11010502053156號