基于支持向量机和主成分分析的辫状河储层夹层识别

摘要

以大庆长垣北部的喇嘛甸油田PI2辫状河砂体为例,应用支持向量机(SVM)算法,结合主成分分析(PCA)数据降维,通过4种测井数据开展辫状河储层夹层的自动识别.以4类测井曲线12种特征参数作为输入变量,以夹层类型作为输出变量,建立支持向量机模型,利用高斯径向基核函数及网格搜索确定最优参数(核函数半径g和惩罚因子C).结果表明:基于未降维的测井特征参数的识别准确率为86.17％,经PCA降维的测井特征参数的识别准确率为92.55％,提高了6.38％;钙质夹层识别精度最高,由于岩性相近测井响应差异不明显以及测井参数的局限性,泥质和物性夹层之间出现误判;但基于主成分分析的SVM算法对于夹层的识别具有更高的可靠性,可以满足地质解释的需要.