作者：刘得军; 冉群英; 王斌统计学习理论支持向量机油气层分类油气属性模式识别
摘要：在大庆齐家-古龙凹陷葡西地区的含油层系中，薄差油层，低阻油层、高阻水层并存，储层的岩性、孔隙结构复杂多变，开发井的解释符合率较低，远不能满足油田高效开发的要求。为了提高测井解释精度，之前已经采用许多学习算法（如Bayes方法）对该地区的油水层进行划分，但都未能达到理想的效果。为此，以大庆齐家凹陷某口井的测井资料为例，探讨了支持向量机方法在油气识别中的应用。支持向量机方法基于统计学习理论，具有全局优化，泛化能力强等优点，适合对不同模式进行分类，在建立分类模型时仅依赖原始测井数据，无需安全信赖地区经验公式或经验数据，因此减小了由经验带来的误差。利用一口井的测井资料，提取了51层样本作为测试参数，分为两组：一组取27层为训练样本，24层为测试样本；另一组取20导辅导训练样本，31层为测试样本。分别采用支持向量机方法和Bayes方法进行了油气预测，在两种训练样本条件下，支持向量机方法的预测精度分别达到100%和93.5484%，而Bayes方法的预测精度分别为77.7778%t 77.4193%,这表明利用支持向量机方法对未知油气层的属性进行正确识别是可行的。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
