發(fā)布時間：2017-04-05 01:11

  本文關(guān)鍵詞：基于支持向量機(jī)的煤儲層參數(shù)測井評價方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：煤層氣是作為非常規(guī)天然氣資源中的一種,受到我國政府的高度重視。測井是獲取地層信息的有效手段,但煤儲層由于其本身存在的低孔低滲,測井低敏感性,擴(kuò)徑嚴(yán)重,“三高兩低”等問題,且專門針對煤儲層有效的測井方法及評價模型的缺乏,使得煤儲層參數(shù)的測井評價研究存在很多困難。為此,本文以QS地ZHS區(qū)塊為例,以支持向量機(jī)算法為主開展了煤儲層含氣性,工業(yè)組分,物性,產(chǎn)水性和產(chǎn)氣性等儲層參數(shù)的針對性研究。針對煤儲層含氣性預(yù)測采用支持向量機(jī)分類算法建立含氣性等級分類模型測井資料含氣性等級預(yù)測,分類準(zhǔn)確率較大達(dá)到70%以上,采用支持向量機(jī)回歸算法建立含氣量回歸模型,測井資料含氣量預(yù)測結(jié)果,整體平均相對誤差在10%左右。針對工業(yè)組分分析預(yù)測,采用支持向量機(jī)算法、一元回歸、多元回歸和BP神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行預(yù)測。通過對這些算法結(jié)果的對比分析表明支持向量機(jī)算法預(yù)測效果相對較好,預(yù)測準(zhǔn)確性在80%以上。煤儲層物性包括孔隙度和滲透率兩個方面�？紫抖仍u價主要采用了支持向量機(jī)進(jìn)行孔隙度預(yù)測外,還采用了聲波孔隙度模型、密度孔隙度模型進(jìn)行對比分析；滲透率預(yù)測主要采用的是孔隙度-滲透率擬合模型對滲透率進(jìn)行預(yù)測。實(shí)例應(yīng)用的結(jié)果表明,采用支持向量機(jī)算法預(yù)測的孔隙度與實(shí)驗較為接近,預(yù)測的滲透率在0.3-0.7mD之間。針對煤儲層產(chǎn)氣性評價,通過對實(shí)際動態(tài)產(chǎn)氣數(shù)據(jù)分析,提出以低峰平均日產(chǎn)氣、高峰平均日產(chǎn)氣、低峰最低日產(chǎn)氣、高峰最高日產(chǎn)氣和平均日產(chǎn)氣等五個參數(shù)為動態(tài)產(chǎn)氣評價參數(shù),采用支持向量機(jī)算法建立對應(yīng)的模型對煤儲層產(chǎn)氣性進(jìn)行分析,預(yù)測效果較好。針對煤儲層產(chǎn)水性評價,依據(jù)現(xiàn)場實(shí)際生產(chǎn)需求,通過對實(shí)際動態(tài)產(chǎn)水?dāng)?shù)據(jù)分析,以低峰平均日產(chǎn)水、高峰平均日產(chǎn)水、低峰最低日產(chǎn)水、高峰最高日產(chǎn)水、累計產(chǎn)水和平均日產(chǎn)水為動態(tài)產(chǎn)水評價參數(shù),采用支持向量機(jī)算法建立對應(yīng)含水性分析模型,利用測井資料對煤儲層產(chǎn)水性進(jìn)行預(yù)測,為現(xiàn)場產(chǎn)水量的預(yù)測提供依據(jù)。
【關(guān)鍵詞】：煤儲層參數(shù)預(yù)測 支持向量機(jī)(SVM) 測井解釋 煤層氣 產(chǎn)氣性預(yù)測 產(chǎn)水性預(yù)測
【學(xué)位授予單位】：長江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P618.13;P631.81
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 研究目的及意義8
• 1.2 國內(nèi)外研究現(xiàn)狀8-12
• 1.3 主要研究內(nèi)容12-13
• 第2章 支持向量機(jī)算法及實(shí)現(xiàn)13-35
• 2.1 最大間隔分類器和VC維13-14
• 2.2 支持向量機(jī)算法原理14-20
• 2.3 分解算法-序列最小優(yōu)化算法(SMO)20-26
• 2.4 工作集選擇改進(jìn)算法26-27
• 2.5 支持向量機(jī)核函數(shù)27-28
• 2.6 差分進(jìn)化優(yōu)化算法參數(shù)優(yōu)化28-30
• 2.7 支持向量機(jī)算法實(shí)現(xiàn)30-34
• 2.8 本章小結(jié)34-35
• 第3章 煤儲層地質(zhì)特征及儲層參數(shù)評價方法35-48
• 3.1 煤層氣的地質(zhì)特征35-38
• 3.2 煤儲層參數(shù)及評價方法38-47
• 3.3 本章小結(jié)47-48
• 第4章 SVM煤儲層參數(shù)評價實(shí)例分析48-77
• 4.1 基于支持向量機(jī)含氣性等級評價48-50
• 4.2 基于支持向量機(jī)含氣量評價50-52
• 4.3 基于支持向量機(jī)的工業(yè)組分評價52-59
• 4.4 基于支持向量機(jī)的儲層物性評價59-60
• 4.5 基于支持向量機(jī)產(chǎn)氣量和產(chǎn)水量評價60-76
• 4.6 本章小結(jié)76-77
• 第5章 結(jié)論77-78
• 致謝78-80
• 參考文獻(xiàn)80-85
• 個人簡介85-86

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮劍豐;王洪禮;李勝朋;;基于支持向量機(jī)的浮游植物密度預(yù)測研究[J];海洋環(huán)境科學(xué);2007年05期

2 蔡佳;陳洪;;ν-支持向量機(jī)的收斂性[J];湖北大學(xué)學(xué)報(自然科學(xué)版);2005年04期

3 唐萬梅;;基于灰色支持向量機(jī)的新型預(yù)測模型[J];系統(tǒng)工程學(xué)報;2006年04期

4 熊宇虹;溫志渝;梁玉前;陳勤;張波;劉妤;向賢毅;;基于支持向量機(jī)的模型傳遞方法研究[J];光譜學(xué)與光譜分析;2007年01期

5 左林;;一個新的稀疏支持向量機(jī)模型[J];山西師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

6 赫英明;王漢杰;;支持向量機(jī)在積雪檢測中的應(yīng)用[J];南京氣象學(xué)院學(xué)報;2009年01期

7 賈亮;王禮力;;支持向量機(jī)在上市公司財務(wù)預(yù)警模型中的應(yīng)用[J];淮陰工學(xué)院學(xué)報;2010年02期

8 郎宇寧;藺娟如;;基于支持向量機(jī)的多分類方法研究[J];中國西部科技;2010年17期

9 謝福民;;支持向量機(jī)理論研究[J];科技廣場;2011年01期

10 王紅蔚;席紅旗;孔波;;一種新的半監(jiān)督支持向量機(jī)[J];鄭州大學(xué)學(xué)報(理學(xué)版);2012年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計算機(jī)學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：286213