一种新的砂泥岩孔隙度估计模型及其应用.pdfVIP

第４３卷第４期 河 海 大 学 学 报 （ 自然 科 学 版 ） Ｖｏｌ.４３ Ｎｏ.４ ２０１５年７月 Ｊｏｕｒｎａｌ ｏｆ Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅｓ） Ｊｕｌ. ２０１５ ＤＯＩ：１０.３８７６／ ｊ.ｉｓｓｎ.１０００ １９８０.２０１５.０４.０１２ 一种新的砂泥岩孔隙度估计模型及其应用 １ １ １ １，２ ３ 滕新保 ，张宏兵 ，曹呈浩 ，梁立锋 ，余　 攀 （１. 河海大学地球科学与工程学院，江苏 南京　 ２１００９８；２. 中国海洋石油总公司能源发展工程技术物探技术 研究所，广东 湛江　 ５２４０００；３. 大庆油田海拉尔石油勘探开发指挥部，黑龙江 大庆　 １６３４５３） 摘要：针对不同岩性的储层孔隙类型不同，孔隙度结构也存在较大差异，导致支持向量回归机 （ＳＶＲ）在孔隙度预测中效果不理想这一问题，提出在孔隙度预测模型中考虑岩性信息的方法。 该 方法将样本岩性转化为一种与岩性变化相关性好的属性值，以此构造出一种新的预测模型。 对于 模型参数优选，提出使用网格粗选和智能精选相结合的方法，网格粗选确定最优解的近似范围，智 能精选（遗传算法、粒子群算法）可以在局部区间搜索到最优解。 利用优选出的参数建立预测模 型，并将预测结果与实测资料进行对比。 对比结果表明：加入岩性信息提高了模型的预测精度；在 参数精选中，使用智能方法的预测精度高于常规网格搜索法。 关键词：支持向量回归机；信息融合；参数优选；孔隙度；砂泥岩；测井；核函数 中图分类号：Ｐ３１３　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００ １９８０（２０１５）０４ ０３４６ ０５ Ａ ｎｅｗ ｍｏｄｅｌ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｐｏｒｏｓｉｔｙ ｏｆ ｓａｎｄｓｔｏｎｅ ａｎｄ ｍｕｄｓｔｏｎｅ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ １ １ １ １，２ ３ ＴＥＮＧ Ｘｉｎｂａｏ ，ＺＨＡＮＧ Ｈｏｎｇｂｉｎｇ ，ＣＡＯ Ｃｈｅｎｇｈａｏ ，ＬＩＡＮＧ Ｌｉｆｅｎｇ ，ＹＵ Ｐａｎ （１． Ｓｃｈｏｏｌ ｏｆ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ； ２． Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ｐｒｏｓｐｅｃｔｉｎｇ Ｇｅｏｐｈｙｓｉｃａｌ Ｉｎｓｔｉｔｕｔｅ，ＣＮＯＯＣＥｎｅｒｇｙ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｓｅｒｖｉｃｅｓ Ｌｔｄ．， Ｚｈａｎｊｉａｎｇ ５２４０００，Ｃｈｉｎａ； ３． Ｈａｉｌａｒ Ｐｅｔｒｏｌｅｕｍ Ｅｘｐｌｏｒａｔｉｏｎ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｈｅａｄｑｕａｒｔｅｒｓ ｏｆ Ｄａｑｉｎｇ Ｏｉｌｆｉｅｌｄ，Ｄａｑｉｎｇ １６３４５３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅｇｒｅｓｓｉｏｎ （ＳＶＲ） ｃａｎｎｏｔ ｐｒｏｖｉｄｅ ｂｅｔｔｅｒ ｐｏｒｏｓｉｔｙ ｐｒｅｄｉｃｔｉｏｎ ｂｅｃａｕｓｅ ｄｉｆｆｅｒｅｎｔ ｌｉｔｈｏｌｏｇｉｃ ｒｅｓｅｒｖｏｉｒｓ ｈａｖｅ ｄｉｆｆｅｒｅｎｔ ｐｏｒｅ ｔｙｐｅｓ ａｎｄ ｄｉｆｆｅｒｅｎｔ ｐｏｒｏｓｉｔｙ ｓｔｒｕｃｔｕｒｅｓ，ａ ｎｅｗ ｍｏｄｅｌ ｆｏｒ ｅｓｔｉｍａｔｉｎｇｐｏｒｏｓｉｔｙ，ｔａｋｉｎｇｌｉｔｈｏｌｏｇｙｉｎｆｏｒｍａｔｉｏｎｉｎｔｏａｃｃｏｕｎｔ，ｉｓｐｒｏｐｏｓｅｄ.Ｉｎｔｈｅｍｏｄｅｌ，ｔｈｅｌｉｔｈｏｌｏｇｙｉ