简谈碎屑岩基于核策略井—震多属性碎屑岩储层预测技术

论文导读：外，还必须逐步探讨并形成结合地质、测井、地震勘探、非线性科学等多学科的技术策略。本论文以核策略的原理和统计学习论述出发，在介绍支持向量机分类、支持向量机回归、核Fisher判别策略、核主成分浅析策略的基础上，探讨了这些策略在储层参数预测、横波预测、岩性识别、流体识别、多维地震属性优化浅析等方面的运用能力和前景
摘要：碎屑岩储层是当今石油天然气勘探开发的重点和热点之一，并形成了一套开发技术和策略系列。但因其致密、低孔隙、多层叠置和非均质性强等特点造成的复杂性和特殊性，目前还难以解决储层预测的准确性不足，由此，除了运用先进的技术装备外，还必须逐步探讨并形成结合地质、测井、地震勘探、非线性科学等多学科的技术策略。本论文以核策略的原理和统计学习论述出发，在介绍支持向量机分类、支持向量机回归、核Fisher判别策略、核主成分浅析策略的基础上，探讨了这些策略在储层参数预测、横波预测、岩性识别、流体识别、多维地震属性优化浅析等方面的运用能力和前景。利用这些策略进行了仿真实验，并将其用于岩性识别、流体识别、地震属性优化，对结果进行了浅析和讨论；最后以XC地区为例，利用优化的地震属性和岩性、流体识别的结果，并结合波形聚类、频谱浅析和波阻抗反演，开展了多属性的有利砂体分布区的预测。本论文的探讨内容和主要认识有以下几个方面：（1）提出了将最小二乘支持向量回归机用于横波的预测。在深入探讨支持向量机和横波预测策略的基础上，把基于统计学习论述的最小二乘支持向量机用于实测纵横波数据的拟合，获得了较好的预测精度且适应能力强。利用预测的纵横波数据，计算出了各种弹性参数。（2）将Fisher判别和核Fisher判别策略引入到碎屑岩岩性识别中，探讨了策略在岩性识别领域的运用潜力和前景。在XC地区须二段，针对岩性识别中有着的困难，分别采取测井曲线、弹性参数、及其二者的组合作为特点变量，运用Fisher判别和核Fisher判别策略进行了岩性识别，结果表明利用核Fisher判别策略能很好的识别砂岩和粉砂岩。（3）本论文针对致密碎屑岩储层流体识别有着非线性这一特点，提出了基于核Fisher判别策略和最小二乘支持向量机的流体识别策略。首先在核Fisher判别策略成功运用于碎屑岩岩性识别基础上，把核Fisher判别策略用于XC地区须二段储层的流体识别，结果表明该策略能较好的区分气层和气水同层；其次，总结了现有的一对一、一对多、最小二乘支持向量分类器等多类支持向量机策略，提出将最小二乘支持向量机用于流体识别，提升了数据的分类精度。（4）在构建核Fisher判别策略和最小二乘支持向量机岩性识别与流体识别技术策略的基础上，浅析比较了四种常用核函数的效果。结果表明支持向量机训练和分类的速度优于神经网络，高斯核函数的分类精度最高。（5）在浅析比较地震属性浅析策略特别是主成分浅析的基础上，对核主成分算法进行了深入的探讨，并作了仿真浅析。针对地震属性这种大规模数据集，把基于矩阵的核主成分浅析策略引入到地震属性的优化中，其结果表明经核主成分处理后得到的综合属性，能有效的表征有利砂体分布区。（6）运用波形聚类、频谱浅析和地震反演等技术，分别对砂体的空间展布和储层的发育有利区进行了浅析，并把KPCA优化得到的综合属性和波形聚类、地震反演的结果综合起来，预测了XC地区须二段的有利砂体分布区，结果与实钻情况吻合较好，表明了多属性预测策略的有效性。关键词：致密碎屑岩论文核Fisher判别浅析论文支持向量机论文核主成分浅析论文地震属性论文储层预测论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-6
Abstract6-12
第1章 前言12-20

1.1 选题依据及探讨作用12-13

1.2 国内外的探讨近况13-18

1.2.1 碎屑岩储层预测的进展和探讨近况13-15

1.2.2 地震属性技术的进展及探讨近况15-16

1.2.3 基于核策略的方式识别的进展及探讨近况16-18

1.3 论文内容与章节安排18-19

1.4 论文的主要成果认识19-20

第2章 核策略论述及其算法20-38

2.1 核策略探讨背景20-21

2.2 核策略的原理21-25

2.1 核策略的基本思想21-22

2.2 核函数和核矩阵22-24

2.3 核的类型24-25

2.3 统计学习论述25-29

2.3.1 学习历程一致性26-27

2.3.2 VC 维27

2.3.3 推广性的界27-28

2.3.4 结构化风险最小化原理28-29

2.4 支持向量机分类29-32

2.4.论文导读：谱分解的基本步骤1126.3.3频谱分解的运用112-1146.4地震反演114-1196.4.1地震反演原理114-1156.4.2波阻抗反演及效果浅析115-1196.4.3储层波阻抗平面分布特点1196.5多属性储层有利区预测119-1216.5.1预测效果浅析119-1206.5.2多属性有利区预测120-1216.6本章小结121-122结论122-124致谢124-125参考文献125-134攻读
1 线性支持向量分类29-30

2.4.2 非线性支持向量分类30-31

2.4.3 实验仿真31-32

2.5 支持向量机回归32-37

2.5.1 线性支持向量回归机32-34

2.5.2 非线性支持向量回归机34

2.5.3 实验仿真34-35

2.5.4 支持向量回归机预测岩性参数35-37

2.6 小结37-38

第3章 基于 KFDA 的弹性参数岩性识别探讨38-62

3.1 横波测井曲线预测策略38-43

3.

1.1 经验公式38-40

3.

1.2 实测纵横波数据最小二乘拟合40-41

3.

1.3 LS-SVR 预测横波数据41-43

3.2 弹性参数及相互联系43-46
3.

2.1 测井资料计算弹性参数43-44

3.

2.2 各种弹性参数的相互联系44-45

3.

2.3 弹性参数与岩性及流体的联系45-46

3.3 基于 FDA 的特点提取46-49

3.1 FDA 基本原理46-48

3.2 实验仿真48-49

3.4 基于 KFDA 的特点提取49-53

3.4.1 KFDA 的导出49-50

3.4.2 KFDA 的基本原理50-52

3.4.3 实验仿真52-53

3.5 运用实例53-61

3.5.1 探讨区储层岩石学特点53-54

3.5.2 交会属性识别岩性策略54-55

3.5.3 FDA 识别及效果浅析55-57

3.5.4 KFDA 识别及效果浅析57-61

3.6 小结61-62

第4章 流体识别中的核策略探讨及运用62-76

4.1 流体识别的策略与选择62

4.2 基于 FDA 和 KFDA 的流体识别62-64

4.

2.1 基于 FDA 的流体识别62-63

4.

2.2 基于 KFDA 的流体识别63-64

4.3 基于 LS-SVM 的流体识别64-68
4.

3.1 支持向量机两类分类算法64-65

4.

3.2 支持向量机多类分类技术65-67

4.

3.3 基于支持向量机的流体识别67-68

4.4 运用实例68-75

4.1 探讨区储层测井响应与弹性参数特点68

4.2 交会属性识别流体策略68-70

4.3 FDA 和 KFDA 识别及效果浅析70-73

4.4 LS-SVM 识别及效果浅析73-75

4.5 小结75-76

第5章 多维地震属性浅析策略运用探讨76-101

5.1 多维地震属性浅析策略概述76-79

5.2 探讨区域地震属性的提取79-86

5.

2.1 地震震属性的分类79

5.

2.2 层位地震属性的提取79-86

5.3 地震属性的交会图浅析86-87

5.4 基于 PCA 的地震属性优化87-91

5.

4.1 主成分浅析策略及性能评价87-90

5.

4.2 PCA 优化地震属性实例90-91

5.5 基于 KPCA 的地震属性优化91-100

5.1 基于核的主成分浅析91-96

5.2 KPCA 特点提取实验仿真96-97

5.3 KPCA 优化地震属性实例97-99

5.4 PCA 和 KPCA 处理结果的比较99-100

5.6 本章小结100-101

第6章 测井—地震多属性信息储层预测的实例浅析101-122

6.1 探讨区概况101-104

6.

1.1 岩性特点101-102

6.

1.2 物性特点102-103

6.

1.3 储集空间类型103

6.

1.4 储层地震响应特点103-104

6.2 地震波形特点浅析104-110
6.

2.1 地震波形聚类浅析法104-105

6.

2.2 C-MEAN 聚类算法105-106

6.

2.3 SOM 聚类法106-108

6.

2.4 地震波形分类结果解释108-110

6.3 谱分解110-114
6.

3.1 频谱分解的原理110-112

6.

3.2 谱分解的基本步骤112

6.

3.3 频谱分解的运用112-114

6.4 地震反演114-119
6.

4.1 地震反演原理114-115

6.

4.2 波阻抗反演及效果浅析115-119

6.

4.3 储层波阻抗平面分布特点119

6.5 多属性储层有利区预测119-121
6.

5.1 预测效果浅析119-120

6.

5.2 多属性有利区预测120-121

6.6 本章小结121-122
结论122-124
致谢124-125
参考文献125-134
攻读学位期间参加科研项目及取得学术成果134-135
附件135-136