核主成分分析与支持向量机模型在储层识别中的应用

详细信息   

• 责任者：庞河清^c成都理工大学^d1982^e在读博士 ; 匡建超 ; 王众 ; 刘海松 ; 蔡左花^c中石化西南油气分公司勘探开发研究院贵阳所 ; 黄耀综^c中石化胜利油田孤东采油4矿29队
• 刊名：物探与化探
• 出版年：2012
• 卷期：36^b6
• 关键词：储层预测 ; 支持向量机 ; 主成分分析20^a地球物理测井 ; 气藏 ; 低渗透储集层30^a核函数
• 页码：1001～1005,1013
• 索书号：P630.6/363-11
• 图表：^c表3参16插图
• 分类号：0831,2100,2000
• 文摘期号：2013/07/b

摘要

针对低孔、低渗致密储层识别较常规储层难这一问题，应用核主成分分析与支持向量机(KPCA‐SVM)模型进行储层识别。该模型先通过核主成分分析(KPCA)进行非线性特征参数提取，然后将提取的特征参数作为支持向量机(SVM)的输入变量，最终实现储层识别。由于KPCA‐SVM模型集成了核函数、主成分和支持向量分类机的优点，较好地解决非线性小样本的问题，能消除数据之间的噪音，降低维数，而又不缺失有效信息，达到准确快速预测的功能。将该模型应用到新场须二气藏新856井区储层预测中，预测结果验证了该模型的优越性，可作为致密储层预测的可选方法。