巖相及孔隙度預(yù)測在油氣勘探中非常重要,為此,提出一種基于多閾值BIRCH（Balanced Iterative Reducing and Clustering Using Hierarchies）聚類的巖相預(yù)測方法,并以此為基礎(chǔ)利用嶺回歸算法預(yù)測孔隙度。首先,根據(jù)地震波阻抗數(shù)據(jù)分布規(guī)律啟發(fā)式設(shè)定初始閾值,根據(jù)簇之間體積的不一致性,動態(tài)增加閾值,使用Agglomerative算法進行全局聚類以劃分巖相;然后,以井點處孔隙度和地震波阻抗數(shù)據(jù)為輸入,在同一巖相內(nèi)采用改進的嶺回歸方法預(yù)測孔隙度。模型實驗表明,多閾值BIRCH聚類方法具有良好的穩(wěn)定性和較高的計算效率,巖相劃分準確。實際數(shù)據(jù)結(jié)果表明,該方法能夠準確預(yù)測孔隙度。 

【文章來源】：石油地球物理勘探. 2020,55(02)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

CF樹結(jié)構(gòu)示例

在相帶的約束下,利用井點處孔隙度與波阻抗數(shù)據(jù)進行非井點處的孔隙度預(yù)測。在每個相帶內(nèi)都會由嶺回歸計算得到最優(yōu)參數(shù)估計量,在此基礎(chǔ)上,由未標簽波阻抗數(shù)據(jù)可計算得到孔隙度預(yù)測值。利用交叉驗證方法將井點處預(yù)測的孔隙度值與已知的孔隙度進行誤差分析。本文采用交叉驗證方法,即選擇w-1口井的波阻抗和孔隙度數(shù)據(jù)作為訓練集進行模型訓練,一口井作為測試集驗證模型及參數(shù)。這樣循環(huán)w次,使每口井都作為測試集進行檢驗,最后選擇損失函數(shù)評估最優(yōu)的模型及參數(shù)。

圖3a為水平切片(網(wǎng)格數(shù)為150×200),即輸入數(shù)據(jù)。圖3b顯示孔隙度與波阻抗之間存在著負相關(guān)關(guān)系。但是,其相關(guān)系數(shù)和偏移量很大程度上依賴于不同巖相的不連續(xù)性,并且孔隙度在每個巖相帶內(nèi)具有低可變性。因此,一旦巖相結(jié)構(gòu)已知,便可通過回歸方法根據(jù)波阻抗估計孔隙度。4.1.1 多閾值BIRCH+RR方法預(yù)測


本文編號：3496215