石油勘探与开发
石油勘探與開髮
석유감탐여개발
PETROLEUM EXPLORATION AND DEVELOPMENT
2012年
2期
243-248
,共6页
李雄炎%周金昱%李洪奇%张少华%陈亦寒
李雄炎%週金昱%李洪奇%張少華%陳亦寒
리웅염%주금욱%리홍기%장소화%진역한
岩性识别%流体识别%储集层评价%计算智能%预测模型
巖性識彆%流體識彆%儲集層評價%計算智能%預測模型
암성식별%류체식별%저집층평개%계산지능%예측모형
基于优化算法与分类算法的基本原理,针对K-Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体.对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30%和95.65%,岩性复杂并非导致该储集层中流体性质差异的主要因素;由于研究区数据集复杂性和非线性程度不够强,导致决策树的建模精度优于支持向量机,分别为94.31%和86.97%,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于v-SVC.图3表4参24
基于優化算法與分類算法的基本原理,針對K-Means優化後的巖心、測井和產液數據集,利用自組織特徵映射神經網絡SOM聚類建立巖性預測模型,綜閤決策樹和支持嚮量機建立流體預測模型,併利用遺傳算法、網格算法和二次算法對支持嚮量機的重要參數進行優化,以精確識彆複雜儲集層巖性和多相流體.對準噶爾盆地東部五綵灣凹陷石炭繫複雜儲集層4口新井進行精細解釋,SOM巖性預測模型、決策樹和支持嚮量機流體預測模型識彆準確率分彆為91.30%和95.65%,巖性複雜併非導緻該儲集層中流體性質差異的主要因素;由于研究區數據集複雜性和非線性程度不夠彊,導緻決策樹的建模精度優于支持嚮量機,分彆為94.31%和86.97%,且線性的多項式函數性能優于徑嚮基函數RBF和神經元函數Sigmoid、支持嚮量分類機中C-SVC的分類性能和汎化能力彊于v-SVC.圖3錶4參24
기우우화산법여분류산법적기본원리,침대K-Means우화후적암심、측정화산액수거집,이용자조직특정영사신경망락SOM취류건립암성예측모형,종합결책수화지지향량궤건립류체예측모형,병이용유전산법、망격산법화이차산법대지지향량궤적중요삼수진행우화,이정학식별복잡저집층암성화다상류체.대준갈이분지동부오채만요함석탄계복잡저집층4구신정진행정세해석,SOM암성예측모형、결책수화지지향량궤류체예측모형식별준학솔분별위91.30%화95.65%,암성복잡병비도치해저집층중류체성질차이적주요인소;유우연구구수거집복잡성화비선성정도불구강,도치결책수적건모정도우우지지향량궤,분별위94.31%화86.97%,차선성적다항식함수성능우우경향기함수RBF화신경원함수Sigmoid、지지향량분류궤중C-SVC적분류성능화범화능력강우v-SVC.도3표4삼24