10.3969/J.ISSN.1000-3754.2017.02.023
基于粒子群优化最小二乘支持向量机的裂缝及缝洞充填物识别
碳酸盐岩储层中发育的缝洞是油气的主要储集空间和渗流通道,缝洞充填物影响着储层的渗流能力和储集能力,碳酸盐岩储层中裂缝及缝洞充填物的识别对于此类储层的勘探开发具有重要意义.基于常规测井资料对裂缝和缝洞充填物的响应特性,提出综合应用粒子群算法(PSO)和最小二乘支持向量机(LSSVM)的裂缝及缝洞充填物识别方法(PSO-LSSVM),并将该方法和BP神经网络分别应用于滨里海盆地东缘石炭系碳酸盐岩储层裂缝及缝洞充填物的识别.对比分析两种方法的识别结果,PSO-LSSVM的识别效果比BP神经网络好.利用PSO-LSSVM方法得到的识别结果与FMI电成像测井图像及岩心资料得到的结果有较好的一致性.
碳酸盐岩储层、裂缝识别、缝洞充填物、粒子群算法、最小二乘支持向量机、滨里海盆地
36
P631
国家高技术研究发展计划项目2013AA064201;国家科技重大专项课题2016ZX05003-003
2017-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
135-142