地震储层预测方法

石油设备网

　储层参数预测的目的就是借助地震信息预测储层参数的空间变化。地震信息不仅包含有地层界面信息，还包含有地层物性方面的信息，地震特征参数不仅与岩性、深度有关，而且与物性（孔隙度、渗透率、泥质含量等）有密切关系。从岩石物理学的角度看，在储层参数和地震信息之间并不存在直接的解析关系，因此，需要通过数学统计的方法预测储层参数。目前常用的预测方法大多是建立在线性模型基础上的，这只是对实际模型的一定程度的近似，如果实际的和理论的模型差距过大，则预测结果将丧失其实用价值甚至带来损失和危害，而一些非线性方法也存在许多影响预测效果的因素，从而使得这些方法在实际中的应用受到了限制。

　　传统的学习方法采用井眼风险最小化（ERM）准则，容易产生过学习问题，因为训练误差小并不总能导致好的预测效果，某些情况下，训练误差过小反而会导致推广能力的下降，即真实风险的增加。之所以出现过学习现象，一是因为样本不充分，二是学习及其设计不合理，需要同时最小化经验风险和置信范围。在传统方法中，选择学习模型和算法的过程就是调整置信范围的过程，如果模型比较适合现有的训练样本，则可以取得比较好的效果。但因为缺乏理论知道，这种选择只能依赖先验知识和经验，造成了如神经网络等方法对使用者“技巧”的过分依赖。为此，Vapnik提出了结构风险最小化准则（SRM），不但要使经验风险最小，还要尽量缩小置信范围，并由此发展了一种锌的通用学习方法——支持向量机方法。该方法是适合于各种非线性函数关系拟合的通用的机器学习方法，它从总样本中挑选出少数具有代表性的样本即所谓支持向量通过核函数构成拟合函数。

　　利用支持向量机方法进行非线性函数拟合不需事先确定储层参数和地震属性之间满足哪种类型的关系，根据样本数据采用自动拟合的方法构造核函数，从而使得建立的储层参数和地震属性之间的关系不仅具有较高的拟合精度，而且具有较好的推广性。文章来源：洛克斯石油论坛http://www.oilequipcn.net洛克斯石油网http://www.oil126.com