论文部分内容阅读
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。