一种非监督与监督学习下的多波地震油气储层预测方法技术

本发明专利技术公开了一种非监督与监督学习下的多波地震油气储层预测方法。该方法包括如下步骤：首先，利用不同卷积核卷积升维生成各类纵横波地震属性，然后，利用聚类分析法进行非监督学习，分别对纵、横波地震属性通过聚类分析降维，基于此，用聚合法求出取能突出油气储层特征的多波地震聚合属性，最后以降维后的聚合属性作为支持向量机的学习集，进行从已知到未知的地震油气储层的预测。将本发明专利技术方法应用于实际的油气储层预测，结果表明，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。

A method of multiwave seismic reservoir prediction based on unsupervised and supervised learning

The invention discloses a multiwave seismic reservoir prediction method based on unsupervised and supervised learning. The method includes the following steps: Firstly, various P-S wave seismic attributes are generated by convolution of different convolution cores, and then unsupervised learning is carried out by clustering analysis method. The dimension of P-S wave seismic attributes is reduced by clustering analysis respectively. Based on this, multi-wave seismic attributes that can highlight the characteristics of oil and gas reservoirs are obtained by clustering method. Aggregation attributes are used as learning sets of support vector machines to predict seismic oil and gas reservoirs from known to unknown. The method is applied to the actual prediction of oil and gas reservoirs. The results show that the predicted boundary of seismic oil and gas reservoirs is clearer, and the predicted results are basically consistent with the actual situation.

【技术实现步骤摘要】
一种非监督与监督学习下的多波地震油气储层预测方法
本专利技术涉及一种非监督与监督学习下的多波地震油气储层预测方法。
技术介绍
利用地震属性对油气藏特征进行描述是解决石油地球物理勘探的主要手段之一。已经被人们利用方法较多，包括聚类分析方法，多属性融合技术和神经网络。这些数据挖掘技术更多的是以规模较大的训练样本为支撑，当训练样本不足，模型的泛化能力受到严重的限制，且极易陷入过学习或欠学习的状态。支持向量机(SVR)是以结构化风险最小化为基础的模式分类器。小样本的状态下有更高的泛化能力，构建模型的鲁棒性理想。然而支持向量机的难点在于参数寻优。支持向量机算法的分类与回归已拓展到通讯、化学、生物等领域。在地球物理勘探方面成为继人工神经网络的新算法并成功应用于油气预测领域。地震属性是通过各种数学方法对地下地质特征的表达。当前可供人们使用的地震属性多达上百种，每种属性包含不同的地质信息。高效的获取对油气藏特征敏感的地震属性，构建各种属性与油气藏特征的关系，是地震油气储层预测必须面对的问题。在机器学习领域，对于储层的预测可以分为两大类一类为监督学习，另一类为非监督学习。在监督学习算法方面：王振洲等利本文档来自技高网...

【技术保护点】
1.一种非监督与监督学习下的多波地震油气储层预测方法，其特征在于，包括如下步骤：a.应用New‑3δ准则，剔除机器学习数据中可能的异常值，亦即进行降噪处理，然后对经过降噪处理的各类纵、横波地震属性进行标准化处理，提供多波地震属性为地震属性的非监督学习提供源数据；New‑3δ准则运算突出了异常值，并将包含于地震属性中的异常值剔除，降低因为地震属性中存在异常致使机器学习结果不准确而造成的干扰；b.对步骤a中获得的地震属性进行非监督学习，获取多波地震属性中，油气特征更加明显的地震属性，为聚合地震属性的获得打下基础；降维后的地震属性，将地震属性中与油气特征无关的地震属性去掉；降低了地震油气预测中信息的...

【技术特征摘要】
1.一种非监督与监督学习下的多波地震油气储层预测方法，其特征在于，包括如下步骤：a.应用New-3δ准则，剔除机器学习数据中可能的异常值，亦即进行降噪处理，然后对经过降噪处理的各类纵、横波地震属性进行标准化处理，提供多波地震属性为地震属性的非监督学习提供源数据；New-3δ准则运算突出了异常值，并将包含于地震属性中的异常值剔除，降低因为地震属性中存在异常致使机器学习结果不准确而造成的干扰；b.对步骤a中获得的地震属性进行非监督学习，获取多波地震属性中，油气特征更加明显...

【专利技术属性】
技术研发人员：林年添，付超，文博，张栋，张凯，赵传伟，魏乾乾，张冲，李桂花，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东,37