基于最小二乘支持向量机的油气水层识别方法

第 3 2 卷 第 3 期 天 然 气 勘 探 与 开 发 基于最小二乘支持 向量机的油气水层识别方法 木 李 榕 钟仪华 ( 西南石油大学) 摘 要 测井解释过程 中的油气水层识别实质 是一个模式识别 问题。基 于统计学 习理论发展起 来的新一代 小样本学习算法一支持向量机 ， 是至今模式识别 问题强有 力的解决方法之 一。依 据测井所 得到的小样本 、 不适定 性等数据信 息进行 网格搜索及交叉验证对 目 标 函数寻优 ， 找到最佳 参数建立 了最小二 乘支持 向量机分类 器模 型 ； 针对现有方法在解决油气水层识别问题 中的不足 ， 提 出了基 于最小二乘支持 向量机 的油气水层识别方 法 ， 并将此 方法应用于大庆油 田某油藏的油气水层识别 。结果表 明， 此方法较人工神经 网络 和标 准支持 向量机方法具有更快 的运算速度和准确率 ， 是一种值得进一步研究及推广使用。表 3 参 7 关键词 油气水层识别 测井解 释 最小二乘支持向量机 网格搜索 交叉验证 O 引言 油气水层识别是依据测井中所测得 的数据判 断油气藏类型、 测试井类型和井底完善程度的一个 重要环节。准确识别油气水层提高解释符合率可 对井筒储层的流体性质进行准确 的识别评价 ， 为制 定合理的试油压裂设计方案提供依据 ， 而且对减少 勘探风险、 提高勘探效益有着重要 的意义。 勘探实践、 理论和实验 的研究越来越多地证实 了储层的非均质性及储层 的测井响应特征属非线 性。因此， 使用非线性信息处理技术来揭示储层非 均质性特征 ， 表征出其分布规律 ， 才能更好地适应 油气藏勘探开发的需求 ， 而常规线性 、 经验性测井 解释技术表现能力不足⋯。尽管近年来 已有研究 者将人工神经网络、 支持向量机等方法应用于油气 水层的判别 中， 并取得了较好 的效果¨ ] ， 但它们 仍然有不足之处 ： 人工神经 网络方法在局部最优、 维数灾难、 数据样本小时， 较难 以给 出满意结果 ； 支 持向量机虽能克服神经网络方法的不足 ， 可运算速 度较低 。 最小二乘支持 向量机是支持向量机的一种改 进方法。它除具有解决小样本模式识别 问题的支 持向量机的特点一泛化能力强 ， 能够较好地解决小 样本、 非线性 、 高维数、 局部极小点等难题外 ， 还能 将优化问题转化为等式约束的线性系统求解问题 ， 在保证收敛精度的情况下 ， 运算快速、 简便 。因此 ， 本文依据测井所得到 的小样本 、 不适定性等条件 ， 针对现有方法在解决油气水层识别问题中的不足 ，......