庞河清;匡建超;蔡左花;王众;黄耀综;

• 1:成都理工大学能源学院

• 2:成都理工大学管理科学学院

• 3:西南油气分公司勘探开发研究院贵阳所

• 4:胜利油田分公司孤东采油4厂

摘要(Abstract)：

针对致密储层判识和产能预测准确率低,提出一种新的建模方法——逐类组合支持向量机方法(TCSVM).首先应用支持向量分类机(SVC)实现储层类别判识,然后用支持向量回归机(SVR)建立气层产能预测模型,最后对未知储层进行判识和产能预测.该模型通过前期降噪、降维的属性优化,有效降低数据类别对储层判识的干扰,提高储层判识和气层产能预测的准确率.以陕甘宁盆地中部气田马五1气藏为例,选用19口井的92个已测试层位作为已知样本(其中78个训练样本,14个检验样本),以气层、含气层、干层、水层和产能赋值为目标,挑选与储层特征密切相关的10个特征参数作为输入变量,建立中部气田马五1气藏的储层判识模型和气层产能预测模型.检验结果表明:模型的预测误差较传统的建模方法和多项式自组织神经网络方法(MOSN)低,其中尤以主成分分析逐类组合支持向量机模型(PCA-TCS-VM)的预测误差最低(平均绝对误差为0.359,平均相对误差为0.036).表明逐类组合支持向量机方法减少数据类别对储层判识和产能预测的干扰,提高准确率,对油气勘探具有积极指导意义.

关键词(KeyWords)：逐类组合支持向量机;气层判识;气层产能预测;陕甘宁盆地马五1气藏

Abstract:

Keywords:

基金项目(Foundation):教育部规划基金项目(11YJAZH043);;

四川石油天然气研究中心重点资助项目(川油气科SKA09-01)

作者(Author):庞河清;匡建超;蔡左花;王众;黄耀综;

Email:

参考文献(References)：

• [1]蔡左花,匡建超,曾剑毅,等.新场气田沙溪庙组气藏单井产能预测[J].钻采工艺,2009,32(3):34-37.

• [2]李定军,李瑞.逐步回归法在川西拗陷须家河组四段储层识别中的应用[J].中国西部油气地质,2006,2(2):223-225.

• [3]匡建超,曾剑毅,王众.模糊优选神经网络在长庆中部气田马五1储层识别中的应用[J].油气地质与采收率,2008,15(5):5-7.

• [4]匡建超,徐国盛,王玉兰.灰色关联度分析在油藏动态描述中的应用[J].矿物岩石,2000,20(2):69-73.

• [5]石磊,匡建超,曾剑毅,等.川西新场气田沙溪庙组致密碎屑岩储层单井产能评价与预测[J].石油实验地质,2009,31(4):338-342.

• [6]张锋,张星,张乐,等.利用支持向量机方法预测储层产能[J].西南石油大学学报,2007,29(3):24-27.

• [7]严衍禄,赵龙莲,韩东海,等.近红外光谱分析基础与应用[M].北京:中国轻工业出版社,2005.

• [8]安欣,苏时光,王韬,等.复合支持向量机方法及其在光谱分析中的应用[J].光谱学与光谱分析,2007,27(8):1619-1621.

• [9]王众,张哨楠,匡建超,等.基于主成分分析和支持向量机的PCA-SVM储层识别模型研究[J].物探化探计算技术,2010,32(6):636-640.

• [10]Kuang Jianchao,Luo Xin,Wang Zhang.A PLS-SVM model for reservoir identification in natural gas exploration[C]∥Vincenzo Es-posito Vinzi,Michel Tenenhaus,Rong Guan.Proceedings of the 6th International Conference on Partial Least Squares and RelatedMethods.Beijing:Publishing House of Electronics Industry,2009:84-92.

• [11]Vapink V N.The nature of statistical learning theory[M].New York:Springer-Verlag,1995.

• [12]Bernhard S,Alexander S.Advances in kernel methods——support vector learning[M].Cambridge,MA:MIT Press,1999:327.

• [13]孙德山.支持向量机分类与回归方法研究[D].长沙:中南大学,2004.

• [14]曾剑毅.基于支持向量机的储层缝洞预测方法研究及应用[D].成都:成都理工大学,2009.

• [15]印兴耀,孔国英,张广智.基于核主成分分析的地震属性优化方法及应用[J].石油地球物理勘探,2008,43(2):189-183.

• [16]童孝华,匡建超,齐天霞,等.陕甘宁盆地中部气田马五1储层流体识别及平面分布特征研究[R].西安:长庆石油勘探局勘探开发研究院,1994.

• [17]刘锡健,匡建超.偏最小二乘神经网络在储层识别和产能预测中的应用——以陕甘宁盆地中部气田马五1储层为例[J].矿物岩石,2005,25(4):80-84.

• [18]匡建超,汪徐炎,童孝华,等.陕甘宁盆地中部气田马五1段储层识别模型[J].矿物岩石,1997,17(1):111-116.