基于极限学习机的裂缝带预测

摘要：

裂缝发育程度会影响地震波动力学特征和地震波同相轴的形态,但岩性、物性、流体性质的改变也会影响上述特征的变化.因此,利用单属性预测裂缝会有多解性,地震多属性综合预测裂缝是减少多解性的有效措施.对于多特征输入的预测问题,机器学习有其独特的优势,其中具有较强泛化能力和运算效率的极限学习机算法值得重点考虑.为此,在裂缝发育带预测中引入了极限学习机算法.首先基于测井数据,利用极限学习机预测裂缝发育状况并将预测结果与近似支持向量机分类效果进行对比;然后,利用井旁道地震属性数据进行裂缝识别,分析极限学习机在裂缝预测中的效果与优势;最后通过极限学习机算法对地震属性特征与裂缝带发育程度之间对应关系的学习,将其应用于实际工区.结果表明,相较于近似支持向量机,极限学习机在保证分类准确度的同时训练效率更高,能够综合多种地震属性刻画大尺度裂缝带,实现致密砂岩裂缝储层裂缝带发育程度的有效预测,为裂缝的综合预测提供了新的思路.

关键词：裂缝带、地震多属性、极限学习机、近似支持向量机、综合预测

所属期刊栏目：60

分类号：P631

资助基金：国家自然科学基金"基于频变信息的流体识别及流体可动性预测";国家科技重大专项"致密砂岩储层有效裂缝预测方法研究"

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：149-156,174