论文部分内容阅读
储层孔隙度是表征储油物性、建立各类地质模型的重要参数。支持向量回归机（SVR）凭借良好的非线性回归能力，在孔隙度预测中开始广泛应用。由于不同岩性的储层孔隙类型不同，孔隙度结构也存在较大差异，导致该方法的实际应用效果仍不理想。针对上述问题，在孔隙度预测模型中考虑了岩性信息，将样本岩性转化为一种与岩性变化相关性好的属性值，以此构造一种新的预测模型。使用网格粗选和网格精选相结合的方法，优选模型参数。网格粗选确定最优解的近似范围，网格精选可以在局部区间搜索到最优解。结果表明：利用优选参数建立的预测模型，在实际资料