几种回归方法在储层预测中的应用及比较
本文结合春风油田排609区块实际工区,利用调谐振幅、多属性回归、神经网络以及支持向量机回归的方法对储层厚度进行预测,并对得到的结果进行对比.通过对实际资料的应用，得出:通过属性提取可以发现均方根振幅、弧长、波阻抗反演、调谐频率、能量半衰时等属性，能够很好地体现该区块的砂体空问展布情况，并能很好地反映薄储层的分布范围;根据调谐振幅解释量版中实际厚度与相对振幅接近线性关系，进行储层厚度预测存在着较大的误差，具有一定的局限性;多属性回归方法，利用多属性作为白变量，进行多元多项式回归，预测结果存在一定误差，但效果优于前一种方法;神经网络储层预测是目前较为常用的储层厚度预测手段，但该方法容易陷入局部最优情况，导致整体预测结果存在一定的误差;支持向量机回归方法具有较好的预测效果，与井点处储层的厚度相差较小，能够很好地预测储层厚度。
油气勘探 储层厚度 回归分析 算法优化
胡雯 张军华 杨勇 吕世超 韩文杰
中国石油大学(华东)地学院 青岛 266580 胜利油田地质科学研究院 东营 257015
国内会议
北京
中文
962-962
2014-10-19（万方平台首次上网日期，不代表论文的发表时间）