基于支持向量机的储层缝洞预测方法研究及应用

摘要

储层缝洞预测是油气勘探开发的重点，也是难点，属于世界级的难题。能否准确预测缝洞系统的发育程度及其位置将直接影响勘探开发的效果，历来受到油气勘探开发专家及工作人员的高度重视。因此，寻求一种良好的预测方法成为储层缝洞预测的重要环节。从上个世纪70年代起，国内外很多学者致力于缝洞系统预测的研究，提出了许多缝洞预测方法，譬如模式识别、神经网络、灰色遗传等等。诚然这些方法在理论及实际应用中都取得了一定的效果，但是还存在诸如地震属性利用有限、定量描述不足、预测精度不够高等问题。此外，利用地震资料进行储层缝洞预测，不管采用哪一种方法都必须对大量的地震属性进行提取和分类，再加上地质问题本身具有不确定性和随机性的典型特征，因此必然涉及到地震属性的优选问题。 针对上述问题，本文提出基于支持向量机的储层缝洞预测方法。其基本思想是：首先，利用粗糙集分析方法对所提取的地震属性进行优化处理，获得属性约简组合；然后，利用约简的地震属性作为条件属性，缝洞发育程度作为决策属性构建基于支持向量机的储层缝洞预测模型；最后，将所构建的模型应用于中伊朗盆地Kashan区块，以检验该方法的实际应用效果。经过研究，论文主要取得了以下几点进步： 1.利用粗糙集进行地震属性约简，能够在保持原有分类能力的情况下，提取反映储层缝洞发育程度的主要特征参数，大大降低了属性维数，减少了计算量，也精简了模型，使得模型更为可靠。 2.将粗糙集和支持向量机相结合，粗糙集作为前置系统，支持向量机作为后置系统，构建了基于支持向量机的缝洞预测模型。该模型具有回判率高和识别预测精度高的优点。 3.将构建的缝洞预测模型应用于中伊朗盆地Kashan区块库姆组F-E、C和B-A三个层段，实现了三个层段缝洞系统的横向预测，可为该区块的进一步勘探开发提供参考。