基于粒子群优化最小二乘支持向量机的裂缝及缝洞充填物识别.pdf

2017年 4月 大庆石油地质与开发 Apr．，2017 第 36卷第 2期 Petroleum GeologyandOilfieldDevelopmentinDaqing Vol_36No．2 DOI：10．3969／J．ISSN．1000．3754．2017．02．023 基于粒子群优化最小二乘支持向量机的 裂缝及缝洞充填物识别 谢 玮 刘 斌 钱艳苓。 孙 炜 史飞洲 李 玉 (1．中国地质大学 (北京)地球物理与信息技术学院，北京 100083；2．中国石化石油工程地球物理有限公司胜利分公司， 山东 东营 257086；3．大庆油田有限责任公司第六采油厂，黑龙江 大庆 163114；4．中国石化石油勘探开发研究院，北京 100083) 摘要：碳酸盐岩储层中发育的缝洞是油气的主要储集空间和渗流通道，缝洞充填物影响着储层 的渗流能力和储 集能力，碳酸盐岩储层中裂缝及缝洞充填物的识别对于此类储层的勘探开发具有重要意义。基于常规测井资料 对裂缝和缝洞充填物的响应特性，提出综合应用粒子群算法 (PSO)和最小二乘支持向量机 (LSSVM)的裂缝 及缝洞充填物识别方法 (PSO—LSSVM)，并将该方法和BP神经网络分别应用于滨里海盆地东缘石炭系碳酸盐岩 储层裂缝及缝洞充填物的识别。对比分析两种方法的识别结果 ，PSO—LSSVM的识别效果比BP神经网络好。利 用PSO—LSSVM方法得到的识别结果与 FMI电成像测井图像及岩心资料得到的结果有较好的一致性。 关 键 词：碳酸盐岩储层；裂缝识别；缝洞充填物；粒子群算法；最小二乘支持向量机；滨里海盆地 中图分类号：P631 文献标识码：A 文章编号：1000—3754 (2017)02—0135—08 PSo-LSSVM -BASED IDENTIFYING M ETHOD FOR THE FRACTURE．VUG FILLINGS XIEWei，LIUBin，QIANYanling。，SUNWei，SHIFeizhou，LIYu (1．SchoolofGeophysicsandInformationTechnology，ChinaUniversityofGeosciences，Beifing100083，China； 2．GeophysicalCoLtd．，SinopecShengliBranch，Dongying 257086，China；3．No．6OilProductionPlant ， DaqingOilfieldCoLtd．，Daqing163114，China；4．SinopecExplorationProductionResearch Institute，Beqing100083，China) Abstract：Fracture-vugswel1．developedin carbonatereservoirsarethemain partoftheaccumulatingspaceand seepagechannelsfortheoilandgas，butthefillingsinthefracture—vugsinfluencethestorageandseepagecapaci— tiesofthereservoirslSOtheidentificationsofthefracturesandfillingsplayanimportantrolesintheexplorati0nand developmentofthiskindofthecarbonatereservoir．Basedon theresponsecharacteristicofthe c0nventionalwe1l loggingdatatothe