基于模糊粗糙集的机器学习储层参数预测

桑凯恒; 张繁昌

doi:10.15953/j.1004-4140.2018.27.04.05

基于模糊粗糙集的机器学习储层参数预测

中国石油大学(华东) 地球科学与技术学院, 山东青岛 266580

基金项目:

国家科技重大专项（2016ZX05006004）。

详细信息

作者简介:
桑凯恒^*(1994-),男,中国石油大学(华东)地质资源与地质工程专业硕士研究生,主要从事地球物理探测方法与技术研究,Tel:15763949536,E-mail:sangkaiheng@126.com。

中图分类号: O242;P631
计量
- 文章访问数: 536
- HTML全文浏览量: 4
- PDF下载量: 11
出版历程
- 收稿日期: 2018-05-01
- 网络出版日期: 2021-11-07
- 发布日期: 2018-08-24

Prediction of Reservoir Parameters of Machine Learning Based on Fuzzy Rough Set

Geoscience and Technology College, Chinese University of Petroleum(East China), Qingdao 266580

摘要

摘要: 因为地震数据的三维空间分布优势，地震属性已经被广泛应用于含油气性预测、储层厚度预测、孔隙度预测等。但也存在地震属性之间信息冗余、属性与储层物性参数关系模糊的问题。针对这两个问题，将模糊粗糙理论和机器学习引入到储层参数预测中来。通过模糊粗糙集理论对地震属性进行约简，去除冗余信息，得到最优化的地震属性组合；将约简后的属性作为机器学习的输入，实现从地震属性到储层物性参数的非线性映射。该方法既保留了地震属性中有效信息，又避免了因输入变量过多而导致的网络模型训练困难。实际数据应用表明，属性约简的机器学习预测结果分辨率更高，并与数据吻合更好。
- 机器学习 /
- 模糊粗糙集 /
- 储层参数预测
Abstract: Due to the advantages of seismic data distribution in three-dimensional spatial, seismic attributes have been widely used in prediction of oil and gas, reservoir thickness and porosity. However, there are some problems like information redundancy between seismic attributes and the fuzzy relationship between seismic attributes and reservoir property parameters. Aiming at these two problems, fuzzy rough theory and machine learning are introduced into reservoir parameter prediction. By using the fuzzy rough set theory to reduce the seismic attributes, the redundant information is removed and the optimized seismic attribute combination is obtained. Then the attributes of reduction are used as input of machine learning to implemented the nonlinear mapping from seismic attribute to reservoir parameter. This method not only preserves the effective information of seismic attributes, but also avoids the difficulty of training the network model caused by too many input variables. The practical application shows that the machine learning prediction results with attribute reduction are in better agreement with the well data and have better resolution.
- machine learning /
- fuzzy rough set /
- reservoir parameter prediction

HTML全文

参考文献(0)

施引文献(24)

期刊类型引用(8)

1.	褚庆军，葛云龙，童茂松，王燕，安旅行，于传武，贾鑫. 基于XGBoost算法的岩性测井曲线预测方法. 测井技术. 2024(06): 748-754 . 百度学术
2.	潘少伟，郑泽晨，雷建永，王亚玲. 基于混合优化XGBoost算法的砂岩储层孔隙度预测. 计算机应用与软件. 2023(05): 103-109+206 . 百度学术
3.	单博，张繁昌，丁继才. 利用二次型寻优网络预测砂泥岩地层横波速度. 石油地球物理勘探. 2022(01): 4-5+26-33 . 百度学术
4.	刘仕友，曲福良，周凡，邓利峰. 基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例. CT理论与应用研究. 2022(05): 577-586 . 本站查看
5.	慎国强，王玉梅，张繁昌，张洪，王希萍，陈松莉. 基于人工智能的川东北三叠系杂卤石地震识别. 地学前缘. 2021(06): 155-161 . 百度学术
6.	王培，于章晗，李津平，许梦，李奇芳，项丽婷. 浅谈粗糙集理论及其应用. 菏泽学院学报. 2020(02): 6-10 . 百度学术
7.	李琴，张军华，谭明友，于正军，田志宏，赵杰. 东营凹陷深部红层段储层测井自动识别. CT理论与应用研究. 2020(05): 511-521 . 本站查看
8.	李克文，周广悦，路慎强，郭俊. 一种基于机器学习的有利区评价新方法. 特种油气藏. 2019(03): 7-11 . 百度学术