粒子群优化支持向量机算法在页岩储层总有机碳含量预测中的应用——以渝西地区Z井区为例

来源 :石油物探 | 被引量 : 0次 | 上传用户:iceman923
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
页岩总有机碳(TOC)含量是反映页岩生烃潜力及页岩气富集程度的关键参数之一。四川盆地渝西地区Z井区的页岩气勘探,存在钻探程度低、地质资料少和岩心样品实验分析数据不全等不利因素,难以利用测井资料得到精确的总有机碳含量曲线。而通过地震正演、地震多属性反演和叠前反演等方法预测的总有机碳含量又存在精度较低的问题。为了实现总有机碳含量精细预测,提出了一种基于粒子群(PSO)优化支持向量机(SVM)算法的页岩气总有机碳含量计算方法。首先,根据总有机碳含量与测井资料的交会关系,确定自然伽马、密度和纵横波速度比等与计算总
其他文献
针对复杂断裂储层分布规律复杂、横向特征变化剧烈、微小断裂识别难的问题,结合各向异性岩石物理模型的微观特征和断裂敏感属性的宏观特征,开展了基于机器学习的复杂储层微小断裂系统特征预测方法研究。根据断裂系统的发育规律建立复杂储层各向异性岩石物理模型,预测井位处的各向异性参数,计算各向异性梯度并将其作为微小断裂系统指示因子;从叠后地震数据中提取构造类地震属性并进行优化处理,运用相关聚类算法优选微小断裂系统属性集;选取已知井点处的微小断裂系统属性集和微小断裂系统指示因子作为训练数据,利用机器学习(支持向量机)算法建