一种基于核学习的储集层渗透率预测新方法

详细信息   

• 责任者：杨斌^c成都理工大学油气藏地质及开发工程国家重点实验室 ; 匡立春^c中国石油新疆油田分公司 ; 施泽进 ; 孙中春
• 刊名：物探化探计算技术
• 出版年：2005
• 卷期：27^b2总104
• 关键词：储层预测 ; 地球物理测井20^a储集层 ; 预测 ; 渗透率21^a准噶尔盆地30^a支持向量回归 ; 支持向量机
• 页码：119～123
• 索书号：P630.6/363-14
• 图表：^c表1参8插图
• 分类号：2000,0831,2100
• 文摘期号：2006/02

摘要

基于核学习的支持向量机,是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础。提出了核学习技术在储集层非均质特性描述中渗透率参数预测的新用途。在复杂地层中,基于支持向量机的智能和自适应模式识别能力而建立了常规测井多参数信息输入的渗透率预测模型,然后对实际油田储集层渗透率进行了预测。与常规线性回归模型预测结果相对比,所提出的方法更易于使用,很少受不确定因素的影响,并具有较强的信息整合能力以及更高的预测准确性和可信度。