基于交叉验证支持向量机储层预测方法及应用

东营凹陷深部储层埋深大,构造及相带变化复杂,钻遇目标层的井少,储层预测有很大的困难。以东营凹陷东部孔一段为例,将适合较小样本预测的支持向量机方法(support vector machine, SVM)应用到储层预测中。为了提高预测精度,惩罚因子选取和核函数参数训练过程中引入了交叉验证。输入样本为井点处的地震属性和储层厚度,属性通过井震关系优选,选取的是带宽、能量半时、最大振幅、均方根振幅、过零点个数和弧长等6种属性。预测结果表明,本文方法较常规的多元线性回归、不加交叉验证的SVM方法,有更高的预测精度,在深层勘探中有推广价值。     

采样数量与空间插值方法对土壤属性预测精度的影响

不同的采样数量以及空间插值方法会对土壤属性预测精度产生影响。本文以安徽省淮北平原典型旱作农业区蒙城县为例,采用随机抽样的方法,从550个土壤样点中随机抽取50个样点作为验证样本,之后抽取500、400、300、200和100五个样本子集,采用普通克里格法、反距离权重插值法、局部多项式插值法和径向基函数插值4种空间插值方法,解析研究区土壤有机质空间变异,并利用独立验证和交叉验证方法比较不同样本数量和插值方法的预测精度的差异。发现不同采样数量对区域内土壤属性预测精度会产生较大影响,在淮北平原县域尺度上,以数字土壤属性制图为目的的土壤采样中,200个样点是比较合理的采样数量。不同插值方法对预测精度影响不显著,从交叉验证与独立验证的结果均表明,普通克里格法最优,局部多项式插值法和径向基函数插值法次之,反距离权重插值法的结果最差。     

SVM提取地物方法中的参数研究

使用SVM对LiDAR数据中进行分类,在进行分类的过程中,采用了样本交叉验证和LIBSVM中的网格法两种方法对SVM的参数进行了讨论。首先,先对LiDAR数据进行预处理;其次,通过两种方法进行SVM分类参数的获取;最后,通过精度的比较及分类结果的目视对比,分析参数选取方法,选取适宜的参数选取方法。     

基于相控神经网络的地震多属性储层厚度预测

为提高储层厚度定量计算的精度和可靠性,提出了一种基于相控神经网络的地震多属性储层厚度预测方法。该方法首先分析目标储层的地质沉积特征,将目标划分成不同的相;利用线性方法初步估算储层厚度,并根据目的层沉积相的空间分布丰富学习样本数量和种类,在此基础上利用人工神经网络算法计算储层厚度。西湖凹陷H气田目标储层为浅水沉积环境,水下分流河道发育,应用基于相控的神经网络方法预测储层厚度,结果表明该方法提高了预测精度,厚度分布特征与地质规律吻合。     

基于随机森林的浊积岩储层预测方法

由于用单一地震属性描述浊积岩储层厚度有很大不确定性,基于多种地震属性,将随机森林算法引入对浊积岩储层厚度的预测中。通过试验,优选出弧长、能量半时、均方根振幅、最大振幅、平均能量和道积分等六种地震属性,构建井旁道地震属性与浊积岩厚度之间的关系模型,对浊积岩储层厚度进行预测。研究结果表明,随机森林方法对异常值和噪声具有很好的容忍度,训练速度快,泛化误差小,不易出现过拟合现象,预测精度高于神经网络方法,有较好的推广价值。     

东营凹陷牛庄东坡沙四段浊积岩油藏的属性优化分析

针对东营凹陷牛庄东坡沙四段浊积岩油藏,分析其在常规储层预测难以描述的前提,结合地质分析和储层标定与识别的基础上,应用新的物探技术进行地震属性优化技术,对储层的分布进行了精细地描述.     

东营凹陷沙三中亚段超隐蔽浊积岩储层描述方法及应用

东营凹陷浊积岩油藏勘探开发进入高程度阶段后,研究对象转为"个体小(单砂体面积1 km~2)、厚度薄(单层厚度2～5 m,累加厚度5～15 m)、橫变快、含灰质(灰地比5%～45%)"的超隐蔽储层,该类储层常规方法描述难度大、精度低。因此,开展了超隐蔽储层描述技术综合研究:①应用谐波拓频技术、属性融合方法和波形指示反演技术刻画"个体小"和"厚度薄"储层;②形成了复杂岩性背景下横波估算方法,开展叠后、叠前综合去灰技术研究,刻画灰质发育区有利储层边界。取得了四点成果及认识:①谐波拓频技术提高了地震资料分辨率,且具有较高保真性,能够识别追踪厚度10 m储层;②波形指示反演技术刻画薄互层储层精度较高,单层厚度5 m砂体预测结果与实钻井吻合度为88.5%,厚度2～5 m储层预测吻合率80.2%;③复杂岩性环境下横波估算方法,较传统的Xu-White模型方法横波估算精度提高了10%;④叠后、叠前联合储层预测技术在东营凹陷去除灰质的精度为84%。综合应用储层描述成果,在四个开发区块共部署滚动探井20口,目前完钻10口,8口井钻遇较厚油层,其中6口井投产后均获商业油流,新建产能约4.0×10~4 t。     

渤海南部A油田古近系物源约束地震储层预测

渤海南部海域A油田沙河街组沙三中I油组上段井震标定仅为一个波峰,储层厚度横向变化快且井震匹配性差,提高储层预测精度存在难度。重矿物数据分析表明,油田中-西块沙三中I油组上段物源主要来自西南垦东凸起;东块受东北莱北低凸起物源控制,多物源沉积是井震匹配性差的关键因素。综合前人井震分析结果,优选地震振幅属性,分析油田沙三中I油组上段38口已钻井振幅属性与砂岩含量,物源体系约束下两者满足线性关系;同物源沉积体振幅属性越小,砂岩含量越高,反之亦然。物源体系约束下的地震储层预测,量化了振幅属性与砂岩含量的关系,提高了油田古近系沙三中I油组上段储层预测精度。     

基于潜变量SVM的出行方式预测模型

为提高小样本下的出行方式选择模型的预测精度,提出了考虑低碳出行心理变量的支持向量机(SVM)算法.首先基于计划行为理论,考虑低碳出行心理因素,建立多原因多指标潜变量模型.然后将预测后的潜变量带入SVM分类器,构建了带潜变量的SVM选择模型.最后,利用交叉验证优化所建模型参数,并以长三角地区城市居民为研究对象实证检验了模型性能.实证结果表明,所建带潜变量的SVM选择模型具有较好的预测效果,比不带潜变量的SVM选择模型的精度提高了4.54%,比传统的带潜变量的混合选择模型提高了2.56%,同时验证了小样本下模型仍然具有很高的精度.本研究为出行方式选择模型和低碳出行方式选择研究提供了一定的理论参考.     

基于支撑向量机的电力系统峰负荷预测

将支撑向量机(SVM)方法用于电力系统峰负荷预测,它具有精度高、全局最优等显著特点.为了确定SVM中直接影响其推广能力的超参数,与一般采用的试凑法不同,提出了利用交叉有效性验证方法确定这些参数.另外,在样本的输入信息中,除负荷变量外,还根据峰负荷预测的特点,加入了对峰负荷预测影响较大的温度变量、星期类型及节假日信息,以提高预测精度.实际算例表明,在相同的负荷及气象数据的前提下,该方法的预测精度比神经网络方法提高了0 4%~0 8%.     

东营凹陷沙四段深水成因蒸发岩特征及其与油气藏的关系

东营凹陷沙四段广泛发育的蒸发岩在剖面上与暗色泥岩、页岩和深水浊积砂体呈明显的韵律层。在平面上 ,蒸发岩主要分布于凹陷中北部深大断裂带附近 ,即断陷湖盆沉降中心陡坡一侧。东营凹陷沙四段蒸发岩类的盐源是深部古老地层中的盐类物质 ,凹陷中北部相同沉积深大断裂是沟通凹陷与地壳深部盐类物质的通道。对东营凹陷沙四段盐湖研究还发现 ,硬石膏岩发育有数量可观的晶间孔 ,并在其中见荧光显示 ,说明与生油岩共生的深层硬石膏岩具有较好的储集性能 ,且具有优先储集油气的便利条件 ,有望成为含盐地层全新的勘探目标     

水介质的化学性质和流动方式对深部碎屑岩储层成岩作用的影响

对东营凹陷下第三系深部碎屑岩储层成岩作用的影响因素进行了研究 ,结果表明 ,有机无机化学反应提供的酸性水介质环境和异常压力带流体的循环热对流是影响和控制深部碎屑岩储层成岩作用的重要因素。有机质热演化、粘土矿物转化、硫酸盐热化学氧化还原反应、油田水化学性质和烃类物质进入储层等因素引起地层水介质化学性质的变化 ,这严重影响了深部碎屑岩储层的成岩作用。循环热对流是深部储层流体的主要流动方式 ,它控制着自生矿物在砂层中的析出位置和次生孔隙的分布特征     

东营-惠民凹陷孔店组层序地层学研究

济阳坳陷东营惠民凹陷孔店组基本为深层勘探程度较低的层系。应用测井、地震资料对孔店组进行的层序地层学研究表明 ,孔店组为一个完整的三级层序地层单元 ,发育有低水位体系域、湖侵体系域、高水位体系域和收缩体系域。在孔店组沉积时期 ,东营惠民地区主要发育有五大沉积体系。首次确定了盆地的沉降中心和沉积中心 ,查明了烃源岩的时空分布规律 ,为今后东营惠民的深层油气勘探提供了依据。     

地震属性油气储层预测技术及其应用

按沿层方式对苏北盆地溱潼凹陷泰州组砂岩储层提取了20余种属性,经过优化并在最佳时窗段内通过井-震精细标定后可识别出三角洲前缘亚相沉积,指示出三角洲朵叶向凹陷深湖区的进积分布状况.对松辽盆地长岭断陷内营城组火山岩储层,按层间平均等分顶底时窗厚度作为约束界面的方式提取了30余种属性,从波阻抗及地震相的识别入手仔细区分火山岩储层地震属性平面展布特征,在已获工业油流的钻井指示下确定地震属性异常变化区域,从而有针对性圈定火山岩体储层的平面分布范围.     

基于支持向量机的皮肤显微图像识别

该文针对皮肤显微图像症状识别过程中样本采集困难、数量偏少的实际情况,在皮肤症状识别中引入了一种新的模式识别方法——支持向量机(Support Vector Machines,SVM)．该方法基于统计学习理论的原理,较好地解决了小样本的分类问题．文中采用“一对一”的策略解决多类别的SVM分类问题,使用留一法进行交叉验证,并比较了SVM与人工神经网络算法的识别结果．结果表明,SVM算法识别率高(89．35％),且速度快．根据该算法,建立了皮肤症状显微图像识别系统软件的原型．     

瞬时振幅相干法在储层预测中的应用

在砂泥岩速度差别小,甚至相互交叠,砂岩的自然伽玛值又偏高的情况下,常规的波阻抗加伽玛反演等方法难于准确确定砂体的展布特征。而瞬时振幅信息虽然与储层分布的关系密切,但抗噪能力较差,在断续问题上也容易造成人为误差。辽河盆地东部凹陷西斜坡沙河街组例子,是从瞬时振幅提取和相干分析的基本原理入手,运用瞬时振幅相干方法,通过井资料约束,实现了储层的横向分布预测。     

基于随机森林模型判别矿井涌(突)水水源

快速准确判别矿井涌(突)水水源对保障矿井安全生产有重要意义。近年来人类的活动对不同含水层的影响与日俱增,为提高矿井涌(突)水水源判别的准确性,提出选取地下水中7种常见离子浓度,和能够充分反映人类活动痕迹的硝酸根离子浓度及化学需氧量作为水化学判别指标,采用随机森林模型进行矿井涌(突)水水源判别。为验证选取指标和判别方法的有效性,以大孤山铁矿为例,将数据输入随机森林模型进行100次交叉验证,并将验证结果与支持向量机模型和极限学习机模型进行比较。结果表明,随机森林模型预测结果稳定性较强,预测正确率不容易波动;随机森林在建模过程中参数拥有宽广的适应范围。树的棵数为50时,训练误差趋于稳定,改变树的棵数对预测结果没有实际影响,而其余二者对参数选取较为敏感;随机森林的参数可以通过袋外数据(OOB)错误率简单地得到,而其余二者参数调整时需要通过交叉验证的方式才可以取得;随机森林对训练样本进行验证,正确率可达100%,对测试样本进行验证,正确率可达97.38%,两项精度均优于支持向量机与极限学习机;随机森林模型拥有更高的预测精度和鲁棒性,在矿井涌(突)水水源判定方面有较好的应用前景。     

应用油藏规模序列法预测东营凹陷剩余资源量

随着油气勘探程度的不断提高,未发现的剩余油气资源越来越少。如何准确预测高勘探程度即成熟探区的剩余油气资源,成为石油投资者和油气资源评价工作者关注的焦点。详细探讨了油藏规模序列法预测油气资源的原理、方法、操作流程及存在的问题,并运用该方法对东营凹陷剩余可探明储量以油气成藏体系为评价单元进行了预测。研究表明,东营凹陷剩余可探明储量约为17.03×10⁸t,仍具有较高的勘探潜力,并且主要集中在东营中央背斜带和东营凹陷北坡两个油气成藏体系内。实践证明,由于油藏规模序列法合理回避了油气成因机理问题,减少了资源评价工作中人为因素的影响,使资源评价结果更为客观。