一种基于支持向量机的沉积微相测井识别方法技术

本发明专利技术公开了一种基于支持向量机的沉积微相测井识别方法，涉及勘探开发技术领域；基于SVM(支持向量机)算法的运用测井资料对沉积微相定量识别新方法，每个沉积微相都可由一组测井曲线特征参数表示，某一种微相类型的样本通过非线性变换映射到一个更高维空间中，在高维特征空间中寻找各微相之间的最优分类面；最后构造决策函数，以确定未知样本的微相类型，实现沉积微相判别。本发明专利技术使用SEA技术(沉积微相自动识别方法)对碎屑岩储层进行沉积微相自动识别，判别准确率高；为油气勘探开发优选有利目标储层提供可靠的判断依据，节约勘探成本，应用推广价值高。

【技术实现步骤摘要】

本专利技术属于勘探开发
，尤其涉及一种基于支持向量机的沉积微相测井识别方法。
技术介绍
最早系统整理测井资料地质应用的是Pirson，其核心是把测井资料用于油区沉积学研究，进而描述油气储集层。测井相研究是在岩心刻度下，经过沉积相与测井资料综合分析建立正演模型后，用连续的测井资料进行沉积学解释的关键。目前，利用测井资料开展沉积微相研究随着测井方法和解释手段的发展，已逐步向高精度、自动化和智能化方向发展。复杂的地质现象不可能用经典的数学函数清楚地描述。Mandelbrot创立的分形理论研究的是自然界中常见的、不规则的，用欧式空间难以表达的具有自相似结构的复杂自然现象，其重要思想是自相似性和分数维。而连续沉积地层的旋回叠置使得反映地层物理响应的测井曲线局部和整体之间呈现不同程度的自相似性。研究表明，沉积岩的成分、构造、结构等都具有或近似具有分形特征(即有自相似性)。因此针对致密砂岩储层非均质性强等地质特点，为避免由于测井响应与沉积相的间接性关系造成的测井解释多解性和不确定性，将测井曲线的盒维数作为地质参数来约束优化测井沉积相模型。目前，测井资料定量识别沉积微相主要常用神经网络法、贝叶斯判别法、模糊聚类法等算法。支持向量机(supportvectormachines，SVM)是Vapnik提出的建立在统计学习理论的VC维理论和结构风险最小化原理基础上的一种机器学习方法，它在解决小样本、非线性和高维模式识别问题中表现出许多特有的优势。不同沉积环境下，物源情况、水动力条件及水深不同，必然造成沉积物的叠置形式和层序特征不同，反映在测井曲线上就是不同的测井曲线形态及组合样式。综上所述，目前运用测井资料识别沉积微相的方法限制条件多、适用性欠佳、不能满足高精度定量识别的要求。
技术实现思路
本专利技术的目的在于提供一种基于支持向量机的沉积微相测井识别方法，旨在解决运用测井资料识别沉积微相的方法限制条件多、适用性欠佳、不能满足高精度定量识别要求的问题。本专利技术是这样实现的，一种基于支持向量机的沉积微相测井识别方法，所述基于支持向量机的沉积微相测井识别方法是基于SVM算法的运用测井资料对沉积微相的定量识别，每个沉积微相都可由一组测井曲线特征参数表示，某一种微相类型的样本通过非线性变换映射到一个更高维空间中，在高维特征空间中寻找各微相之间的最优分类面；最后构造决策函数，以确定未知样本的微相类型，实现沉积微相判别。进一步，确定沉积微相特征向量xs＝(x1，x2，…,x12)，其中xs为筛选出用于表征沉积微相的测井曲线变化特征参数，采用最能反映研究地区沉积微相特征的一组测井曲线(如自然伽马曲线等)，在不同研究地区选取的最能反映沉积微相的测井曲线是不同的。然后从测井曲线的形态、顶底接触关系、光滑程度等方面提取用于定量化描述沉积微相的测井曲线变化特征参数。所述测井曲线形态特征参数包括：①相对重心：当G>0.5，重心偏下，曲线形态为钟形，代表水流能量逐渐减弱，物源供应逐渐减少，沉积岩颗粒为正粒序；当G<0.5时，曲线为漏斗型，重心偏上，反映水流能量逐渐增强，物源供应逐渐增多，沉积岩颗粒为逆粒序；当G≈0.5时，曲线为箱型、对称或者平直齿形，代表沉积过程物源供应丰富，水动力条件较强，沉积环境稳定；②幅度均方差：测井曲线幅度的均方差，反映了该段曲线数据整体波动性，计算方法如下:式中，n表示选取段曲线测井采样点个数；ai表示第i个测井值，表示n个数据点均值；③幅厚比：式中，Δa表示该段测井曲线极值与泥岩基线值的差；Δh表示曲线厚度，P能反映岩性变化速率；④平均中位数其中，为曲线段测井数据均值，Me为中位数；所述顶底接触关系包括：①突变幅度差am＝amax-amin；amax是突变处最大幅度，amin是突变处最小幅度；②平均斜率设待处理曲线的深度窗口数据序列为[ai，di](i＝1,2，…,n)：其中Kp为平均斜率。所述光滑程度包括：①包络线二阶导数拟合的抛物线为：D＝mA2+kA+c，求得m值，m＞0包络线形态为凹，下凹则为加速型沉积，上凹为减速型沉积；m＜0包络线形态呈凸型，上凸为减速型沉积，下凸为加速型沉积，类直线则为均匀型；配合曲线的平均斜率就可进一步区别进积，退积，加积式；平均斜率则为进积式减速型；m＜0为进积式加速型；m＞0,则为退积式减速型；m＜0，则为退积式加速型；②齿率用相对变号个数表示；相对变号个数其中n为曲线段测井数据点；③齿中线，用齿中线斜率K和倾角θ来表征；第i个峰的齿中线夹角：第i个谷的齿中线夹角：θt趋势由下而上增大，k＞0为外收敛，表示沉积速率由下而上增大。θt由下而上减小，k＜0则为内收敛，表示沉积速率由下而上减小；θt≈θt，则表示水平；θ近于0°或180°则表明地层物性变化平稳，沉积环境和物源稳定；θ摆动剧烈，则说明沉积环境变动频繁，引起物性变化大。所述地质因素包括：①盒维数F是实数集Rn上任意非空的有界子集，Nr(F)是直径最大为r，覆盖F的集的最少个数，则F的盒维数，定义为：②泥质含量：其中，Vsh为泥质含量，G为希尔奇指数，老地层取2，新地层取3.7；GRmin、GRmax分别为砂岩和泥岩的自然伽马值；IGR为泥质含量指数；GR为自然伽马测井值。进一步，径向基核函数：采用交叉验证法，得到识别研究区沉积微相的最佳高斯核函数参数r为0.1和惩罚参数c为10,这两个参数可根据不同研究区的实际情况进行调节。进一步，构造并求最优分类面，选用径向基核函数将输入样本变换到高维空间后，需在高维空间中求取最优分类面；基于拉格朗日松弛法求解最优分类面问题可以表示成约束优化问题；SVM广义最优分类面的优化目标函数可变换为：相应的约束条件为：其中0≤ai≤c，i＝1，...,n；得最优解选择a*的一个正分量并计算其中b*是分类阈值，a*是拉格朗日算子。进一步，求解最优分类面得到满足约束条件的最优决策函数：其中，xi、x分别为支持向量样本与预测样本的测井相特征值；yi、y分别为支持向量样本与预测样本的输出沉积微相类型；K(xi,x)为核函数，n为样本个数；用oneagainstone方法实现多分类，对任意两个样本组合，构建个向量机，采用投票的方式进行分类，实现对未取心井层段的沉积微相判别。本专利技术提供的基于支持向量机的沉积微相测井识别方法，使用SEA(沉积微相自动识别技术)对碎屑岩储层进行沉积微相自动识别，判别准确率高；为油气勘探开发优选有利目标储层提供可靠的判断依据，节约勘探成本，应用推广价值高。附图说明图1是本专利技术专利基于SVM的沉积微相测井识别方法的应用诠释图。图2是本专利技术专利中支持向量机算法的原理图。图3是本专利技术专利SEA沉积微相自动识别方法的技术流程图。图4是本专利技术专利提供的测井曲线形态示意图。图5是本专利技术专利中的测井曲线盒维数计算方法的示意图(以声波测井曲线AC为例)。图6是实施例运用本专利技术得到的单井沉积微相测井识别结果图具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术是基于该机器学习方法创立的SEA技术(沉积微相自动识别方法)是建立在统计学习理论的VC维理论和本文档来自技高网...

【技术保护点】
一种基于支持向量机的沉积微相测井识别方法，其特征在于，所述基于支持向量机的沉积微相测井识别方法是基于SVM的运用测井资料对沉积微相定量识别，每个沉积微相由一组测井曲线变化特征参数表示，某一种微相类型的样本通过非线性变换映射到一个更高维空间中，在高维特征空间中寻找各微相之间的最优分类面；最后构造决策函数，以确定未知样本的微相类型，实现沉积微相判别。

【技术特征摘要】
1.一种基于支持向量机的沉积微相测井识别方法，其特征在于，所述基于支持向量机的沉积微相测井识别方法是基于SVM的运用测井资料对沉积微相定量识别，每个沉积微相由一组测井曲线变化特征参数表示，某一种微相类型的样本通过非线性变换映射到一个更高维空间中，在高维特征空间中寻找各微相之间的最优分类面；最后构造决策函数，以确定未知样本的微相类型，实现沉积微相判别。2.如权利要求1所述的基于支持向量机的沉积微相测井识别方法，其特征在于，沉积微相特征向量xs＝(x1，x2,，…,x12)，其中xs为筛选出用于表征沉积微相的测井曲线变化特征参数，如选取反映沉积微相特征的自然伽马曲线，从曲线形态、顶底接触关系、光滑程度提取用于定量化描述沉积微相的测井曲线变化特征参数。3.如权利要求1所述的基于支持向量机的沉积微相测井识别方法，其特征在于，所述曲线形态包括：①相对重心：当G>0.5，重心偏下，曲线形态为钟形，代表水流能量逐渐减弱，物源供应逐渐减少，沉积岩颗粒为正粒序；当G<0.5时，曲线为漏斗型，重心偏上，反映水流能量逐渐增强，物源供应逐渐增多，沉积岩颗粒为逆粒序；当G≈0.5时，曲线为箱型、对称或者平直齿形，代表沉积过程物源供应丰富，水动力条件较强，沉积环境稳定；②幅度均方差：测井曲线幅度的均方差，反映了该段曲线数据整体波动性，计算方法如下:式中，n表示选取段曲线测井采样点个数；ai表示第i个测井值，表示n个数据点均值；③幅厚比：式中，Δa表示该段测井曲线极值与泥岩基线值的差；Δh表示曲线厚度，P能反映岩性变化速率；④平均中位数其中，为曲线段测井数据均值，Me为中位数。4.如权利要求1所述的基于支持向量机的沉积微相测井识别方法，其特征在于，所述顶底接触关系包括：①突变幅度差am＝amax-amin；amax是突变处最大幅度，amin是突变处最小幅度；②平均斜率设待处理曲线的深度窗口数据序列为[ai，di](i＝1,2，…,n)：其中Kp为平均斜率。5.如权利要求1所述的基于支持向量机的沉积微相测井识别方法，其特征在于，所述光滑程度包括：①包络线二阶导数拟合的抛物线为：D＝mA2+kA+c，求得m值，m＞0包络线形态为凹，下凹则为加速型沉积，上凹为减速型沉积；m＜0包络线形态呈凸型，上凸为减速型沉积，下凸为加速型沉积，类直线则...

【专利技术属性】
技术研发人员：彭军，王大海，夏青松，李斌，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51