基于支持向量机的地震属性优选及煤层气预测.pdfVIP

第4O卷 第6期 煤田地质与勘探 V0l1．40No．6 2012年 l2月 (、0AI，GE0I．0GYEⅨPIoR 口0【N Dec．2012 文章编号：1001．1986(2012)06．0075．04 基于支持向量机的地震属性优选及煤层气预测 李艳芳，程建远，王 成 (中煤科工集团西安研究院，陕西 西安 710077) 摘要：为了充分发挥地震属性分析技术的优势，针对地震勘探中的小样本事件，阐述了支持向量 机原理，开展了基于支持向量机 的煤田地震属性非线性优选的方法研究，并在煤层气含量预测中 取得 了良好的效果。结果表明：基于支持 向量机(SVM)属性优选 的煤层气预测效果比运用钻孔插 值的效果更精确，较好地解决了小样本的学习问题，可作为煤层气预测的一种有效方法。 关 键 词：支持向量机；属性优选；煤层气预测 中图分类号：P631 文献标识码：A DOI：10．3969~．issn．1001—1986．2012．06．017 Seismicattributeoptimizationbasedonsupportvectormachineand coalbedmethaneprediction LIYanfang，CHENGJianyuan，WANGCheng (XranResearchInstitute，ChinaCoalTechnology＆EngineeringGroup ，Xian710077，China) Abstract：Inordertotakefulladvantagesofseismicattributeanalysistechnology，thispaperexplainedtheprinci- pieofsupportvectormachine(SVM)basedoneventofsmallsamples；SVM methodfornonlinearoptimizationof seismicattributesincoalfieldwasappliedinpredictionofcoalbedmethane(CBM)contentandproducedgoodel- fect．Thestudyresultsindicatethattheprediction ofCMB basedonSVM attributeoptimizationismoreprecise thanusingthedrillinginterpolationsmethod，canbettersolvethelearningproblemsofsmallsamplesandcanbe usedasaneffectivemethodforthepredictionofCMB． Keywords：supportvectormachine；attributeoptimization；coalbedmethaneprediction 随着地震属性技术的发展，其属性数量和种类 现 已知样本数 目偏少的情况 。针对该实际情况，本 不断增多，各种属性信息间的组合方式以及每种属 文采用基于支持向量机方法进行非线性地震属性优选。 性对储层特征的灵敏度都具有很大的不确定性。为 1 支持 向量机 了减少地震属性解释的多解性，提高构造解释和岩 性预测精度 ，除了依靠岩石物理研究成果和井孔数 支持向量机 (SupportVectorMachines，SVM)是 据对地震属性进行标定外，还可利用多种优化属性进 CorinnaCortes和Vapnik等人 1995年首先提出，以 行联合分析、相互验证，以提高预测精度，降低勘探