钟仪华;李榕;朱海双;张志银;

• 1:西南石油大学理学院

• 2:中国石化西南石油局四川钻井公司

摘要(Abstract)：

针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取影响水淹级别划分的测井参数曲线,避免模型输入参数间存在相关性导致划分精度低以及模型求解复杂、训练速度慢的缺点.结果表明,该方法较其他方法具有更快的运算速度和更高的识别符合率,其运算速度为43s,识别符合率达到97.0%,能体现高含水油田水淹层的动态变化特征.

关键词(KeyWords)：动态预测;水淹层识别;主成分分析;最小二乘支持向量机

Abstract:

Keywords:

基金项目(Foundation):四川省教育厅重点项目资助(07ZA143)

作者(Author):钟仪华;李榕;朱海双;张志银;

Email:

参考文献(References)：

• [1]赵培华.油田开发水淹层测井技术[M].北京:石油工业出版社,2003:61-188.

• [2]Salehi M R,Settari A.New solution for anisotropic formation damage due to produced water re-injection[J].Journal of CanadianPetroleum Technology,2009,48:50-60.

• [3]刘金月,许少华.基于小波包分析和过程神经元网络的水淹层识别方法[J].大庆石油学院学报,2008,32(1):74-76.

• [4]单智萍,曹茂俊.基于Boosting的油田水淹层识别算法[J].大庆石油学院学报,2006,30(3):97-99.

• [5]李盼池,许少华.支持向量机及其在复杂水淹层识别中的应用[J].计算机应用,2004,24(9):147-149.

• [6]赵军,程鹏飞,刘地渊,等.支持向量机在水淹层测井识别中的应用[J].物探与化探,2008,32(6):652-655.

• [7]姜静清.最小二乘支持向量机算法及应用研究[D].长春:吉林大学,2007.

• [8]钟仪华,李榕.基于主成分分析的最小二乘支持向量机岩性识别方法[J].测井技术,2009,33(5):425-426.

• [9]Blake C L,Merz C J.UCI repository of machine learning database.Livine[R].CA:Univcisity of California,Dept of information andcomputer science,1998.