多波地震油气储层分布的多层网络结构下的机器学习与预测

摘要

多波地震数据携带有丰富的油气储层信息，如何有效利用这些油气特征信息直接进行油气储层预测，以此缩短勘探周期，降低生产成本，是业界研究者追求的目标。近年来，机器学习算法因其具有模型鲁棒性强、泛化能力高等特点，在储层特征提取、分类、识别及预测等方面得到广泛应用。基于此，本研究结合油气藏分布规律，以多波资料为基础，有机并有效利用纵波与转换横波对油气储层敏感度的差异，设计了基于机器学习的多层网络以实现地震油气储层分布预测。　　首先，利用莱特准则剔除所生成多波地震属性中可能存在的异常值，降低网络中变体数量，通过非监督学习的系统聚类法降维获得多波地震属性，提取相关度低、甚至互相独立且包含油气性特征的地震属性；然后，通过能突出多波地震油气储层特征的主成分分析算法增加网络共享提取油气特征；最后，在增加网络罚值框架下，计算井点地震道期望风险评估折中值，把评估后有标签地震道属性作为支持向量机监督学习的训练样本，无标签地震道属性作为学习样本，进行从已知到未知的地震油气储层预测。　　本方案应用于HG地区进行地震油气储层预测，结合钻井与其他地质资料表明，应用本方案所预测的地震油气储层边界刻画清晰，预测结果与实际情况基本吻合，并对研究区有利勘探区做出预测。　　本文的研究成果形成了一套机器学习预测地震储层油气分布的流程，提出了一种具有实际意义的新方法。

目录

第一个书签之前

摘 要

ABSTRACT

目 录

CONTENTS

1 绪 论

1.1 选题依据及研究意义

1.2 国内外研究现状

1.2.1 地震油气储层的研究现状

1.2.2 地震储层机器学习方法的研究现状

1.3 研究内容、技术路线及创新点

1.3.1 研究内容及方法

1.3.2 技术路线

1.3.3 本文创新点

2 理论基础

2.1 纵波与转换横波的差异

2.1.1 岩石物理差异

2.1.2 纵、横波地震响应差异

2.2 地震属性分析

2.2.1 地震属性提取及分类

2.2.2 地震属性分析

2.3 聚类分析

2.4 主成分分析算法

2.5 支持向量机算法

3 多波地震油气储层分布预测方案

3.1 地震属性优选概述

3.2 多波地震属性的非监督学习

3.3 多波地震属性的监督学习

4 多波地震油气储层机器学习网络实施

4.1 降级网络变体数量方法

4.1.1 莱特准则下异常值剔除

4.1.2 标准化数据

4.1.3 非线性滤波法

4.2 增加网络罚值方法

4.2.1 期望风险评估最小化原理

4.2.2 期望风险评估

4.2.3 激励函数

4.3 增加网络共享

5 有利油气储藏区综合预测案例

5.1 研究区地质概况

5.2 多波地震油气储层机器学习预测案例

6 结论

参考文献

攻读硕士学位期间获得的学术成果和获奖情况

致 谢