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
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
27
O242;P631(计算数学)
国家科技重大专项2016ZX05006004
2018-08-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
455-464