實(shí)用的內(nèi)幕小層自動(dòng)解釋方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及油田開(kāi)發(fā)技術(shù)領(lǐng)域，特別是涉及到一種實(shí)用的內(nèi)幕小層自動(dòng)解釋方 法。
【背景技術(shù)】
[0002] 目前，勘探都已進(jìn)入高勘探階段，針對(duì)勘探程度高的地區(qū)，單井細(xì)分砂層組多，儲(chǔ) 層預(yù)測(cè)的結(jié)果是否可靠，需要準(zhǔn)確的砂層組層位，因此砂層組的控制層位是儲(chǔ)層預(yù)測(cè)的關(guān) 鍵，解釋砂層組的層位是一項(xiàng)巨大的工程，砂層組的解釋日益重要，對(duì)于砂層組的解釋，通 常有三種方法，（1)手工解釋：由于砂層組多，地震軸連續(xù)性差，追蹤解釋難度大，效率低， 跟不上生產(chǎn)節(jié)奏；（2)地層切片技術(shù)：由于各井砂層組厚度的相對(duì)比率變化大，存在較大誤 差；（3)內(nèi)插：根據(jù)井標(biāo)定的分層進(jìn)行內(nèi)插，由于缺乏標(biāo)志層的控制，造成井少地區(qū)、斷層附 近和工區(qū)邊部誤差大。
[0003] 20世紀(jì)60年代中期至80年代中期，由于人工智能的研究重點(diǎn)是符號(hào)系統(tǒng)和基于 知識(shí)的方法，機(jī)器學(xué)習(xí)以基于規(guī)則的方法為主。20世紀(jì)80年代后期，隨著神經(jīng)網(wǎng)絡(luò)研究重 新崛起及其成功應(yīng)用，基于統(tǒng)計(jì)的學(xué)習(xí)方法迅速發(fā)展。特別是最近十幾年，互聯(lián)網(wǎng)的普及和 計(jì)算機(jī)在各個(gè)領(lǐng)域的應(yīng)用，大量數(shù)據(jù)潮水般涌來(lái)，如何從中發(fā)現(xiàn)隱含的知識(shí)，對(duì)機(jī)器學(xué)習(xí)提 出了重大挑戰(zhàn)，也給基于統(tǒng)計(jì)的學(xué)習(xí)方法帶來(lái)新的發(fā)展機(jī)遇。在眾多基于統(tǒng)計(jì)的學(xué)習(xí)方法 中，支持向量機(jī)（SupportvectorMachine，簡(jiǎn)稱SVM)是個(gè)新秀，但因其深厚的理論背景和出 色的實(shí)際表現(xiàn)備受人們青睞。
[0004] 支持向量機(jī)是20世紀(jì)90年代中期出現(xiàn)的機(jī)器學(xué)習(xí)技術(shù)，是近年來(lái)機(jī)器學(xué)習(xí)領(lǐng)域 的研究熱點(diǎn)。這項(xiàng)技術(shù)從提出到現(xiàn)在不過(guò)十年時(shí)間，但其研究進(jìn)展非常之快、之大。它有堅(jiān) 實(shí)的理論基礎(chǔ)，應(yīng)用上也是有口皆碑，在手寫體數(shù)字識(shí)別、文本分類等具體問(wèn)題上創(chuàng)造和保 持著目前的最好記錄。這項(xiàng)既經(jīng)得起理論推敲又經(jīng)得起實(shí)踐檢驗(yàn)的技術(shù)，是傳統(tǒng)機(jī)器學(xué)習(xí) 技術(shù)不能比的，它的發(fā)展?jié)摿κ橇钊斯奈璧??；谶@樣的認(rèn)識(shí)，我選擇了這一研究領(lǐng)域。 [0005] 支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論，該理論的研究始于20世紀(jì)60年代末。此 后近20年時(shí)間里，前蘇聯(lián)學(xué)者Vapnik做了大量開(kāi)創(chuàng)性、奠基性的工作，提出了"結(jié)構(gòu)風(fēng)險(xiǎn)最 小化"原理。這個(gè)時(shí)期的工作主要是純理論性的，沒(méi)有引起人們重視。1995年，Corts&VaPnik 在其論文"supportveetorNetworks"中提出支持向量機(jī)，它實(shí)現(xiàn)了"結(jié)構(gòu)風(fēng)險(xiǎn)最小化"原 理。支持向量機(jī)有很強(qiáng)的泛化能力，它在解決復(fù)雜問(wèn)題，諸如手寫體數(shù)字識(shí)別、人臉檢測(cè)、文 本分類、大規(guī)模生物信息處理等方面的上乘表現(xiàn)，引起人們極大關(guān)注。國(guó)內(nèi)外著名大學(xué)和大 公司的研發(fā)機(jī)構(gòu)紛紛成立了相關(guān)的研究小組，越來(lái)越多的人加入這一研究行列，形成近年 來(lái)機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)?；A(chǔ)研究涉及訓(xùn)練算法、模型選擇、多目標(biāo)分類等，應(yīng)用研究 涉及三維目標(biāo)識(shí)別、非線性模式重建、智能信號(hào)處理、信息檢索、文本分類和數(shù)據(jù)挖掘等。有 關(guān)的國(guó)際學(xué)術(shù)會(huì)議、專業(yè)雜志和專業(yè)網(wǎng)站雨后春筍般地從無(wú)到有，規(guī)模由小到大。如今，支 持向量學(xué)習(xí)己成為機(jī)器學(xué)習(xí)的主流技術(shù)之一。不夸張地說(shuō)，就像信息論為信息技術(shù)的崛起 開(kāi)辟道路一樣，統(tǒng)計(jì)學(xué)習(xí)理論帶來(lái)了機(jī)器學(xué)習(xí)領(lǐng)域一場(chǎng)深刻變革。
[0006] 支持向量機(jī)本質(zhì)上是一種非線性數(shù)據(jù)處理方法。與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)不同，后 者基于"經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理"，前者基于"結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理"。"結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理" 建立在嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論基礎(chǔ)之上，令人耳目一新，使人們對(duì)學(xué)習(xí)機(jī)的認(rèn)識(shí)發(fā)生了深刻變化。 與神經(jīng)網(wǎng)絡(luò)相比，支持向量機(jī)具有較好的泛化能力。當(dāng)學(xué)習(xí)樣本很多時(shí)兩種方法都可以得 到很好的回歸效果，但是支持向量機(jī)的推廣能力比神經(jīng)網(wǎng)絡(luò)要好，隨著樣本數(shù)的減少，在小 樣本的情況下，神經(jīng)網(wǎng)絡(luò)回歸的缺點(diǎn)表現(xiàn)的十分明顯，即神經(jīng)網(wǎng)絡(luò)的泛化能力很差，而支持 向量機(jī)依然表現(xiàn)出了很好的泛化能力，可以看出，由于神經(jīng)網(wǎng)絡(luò)致力于極小化樣本誤差，使 得回歸時(shí)易產(chǎn)生過(guò)擬合現(xiàn)象，影響了泛化能力。
[0007] 為此我們提出了一種實(shí)用的內(nèi)幕小層自動(dòng)解釋方法，利用標(biāo)志層控制的支持向量 機(jī)非線性趨勢(shì)面擬合方法自動(dòng)解釋砂層組，解決了以上技術(shù)問(wèn)題。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提供一種可以為地質(zhì)研究人員提供一套簡(jiǎn)單有效的砂層組的解 釋和追蹤的實(shí)用的內(nèi)幕小層自動(dòng)解釋方法。
[0009] 本發(fā)明的目的可通過(guò)如下技術(shù)措施來(lái)實(shí)現(xiàn)：實(shí)用的內(nèi)幕小層自動(dòng)解釋方法，該實(shí) 用的內(nèi)幕小層自動(dòng)解釋方法包括：步驟1，進(jìn)行單井精細(xì)的砂層組劃分；步驟2,進(jìn)行精細(xì)的 合成記錄標(biāo)定；步驟3,通過(guò)精細(xì)的合成記錄標(biāo)定，計(jì)算標(biāo)準(zhǔn)層控制的殘差值；步驟4,通過(guò) 支持向量機(jī)方法，對(duì)各單井的殘差值進(jìn)行非線性趨勢(shì)面擬合，得到砂層組的殘差層位；以及 步驟5,進(jìn)行砂層組的自動(dòng)解釋。
[0010] 本發(fā)明的目的還可通過(guò)如下技術(shù)措施來(lái)實(shí)現(xiàn)：
[0011] 在步驟1中，考慮研究范圍內(nèi)同一砂層組中沉積事件或小砂層的發(fā)育情況，在進(jìn) 行小砂層對(duì)比時(shí)，若相應(yīng)的砂層不發(fā)育，則按照沉積事件基本等時(shí)和沉積上同期異相的原 理進(jìn)行砂層組劃分的原則，結(jié)合研究工區(qū)實(shí)際資料，通過(guò)地層精細(xì)對(duì)比，同時(shí)考慮砂體縱向 分布、橫向連通狀況，對(duì)研究工區(qū)內(nèi)的砂層組及小層按照上面原則進(jìn)行劃分，將研究工區(qū)中 各井細(xì)分砂組。
[0012] 在步驟2中，通過(guò)精細(xì)標(biāo)定把砂層組的地震反射同相軸從地震剖面上識(shí)別出來(lái)， 以區(qū)別其它反射軸，將深度域的儲(chǔ)層與地震上時(shí)間域的反射同相軸聯(lián)系起來(lái)；通過(guò)精細(xì)標(biāo) 定建立不同巖性、電性的地層與地震反射特征的對(duì)應(yīng)關(guān)系，最終得到各井的砂層組的時(shí)間 值。
[0013] 在步驟3中，從標(biāo)定出發(fā)，通過(guò)精細(xì)的合成記錄標(biāo)定，得到單井的時(shí)間值，選取一 個(gè)標(biāo)志性的層位為標(biāo)準(zhǔn)控制層，在標(biāo)準(zhǔn)層的控制下，與各單井時(shí)間值相減得到單井殘差值， 得到的單井殘差值，通過(guò)支持向量機(jī)非線性趨勢(shì)面擬合技術(shù)，完成殘差層位。
[0014] 在步驟5中，在標(biāo)準(zhǔn)層控制下，利用標(biāo)準(zhǔn)層和砂層組的殘差層位結(jié)合，最終自動(dòng)得 到砂層組的層位。
[0015] 本發(fā)明中的實(shí)用的內(nèi)幕小層自動(dòng)解釋方法，利用支持向量機(jī)這種方法的優(yōu)越性， 在標(biāo)準(zhǔn)層控制的基礎(chǔ)上提出的，在精細(xì)的合成記錄標(biāo)定下，通過(guò)標(biāo)準(zhǔn)層的控制，得到時(shí)間殘 差值，并用支持向量機(jī)方法對(duì)殘差值進(jìn)行非線性趨勢(shì)面擬合，支持向量機(jī)是一種類似神經(jīng) 網(wǎng)絡(luò)的計(jì)算方法，可以作為模式分類和非線性回歸，它是三個(gè)參數(shù)控制的學(xué)習(xí)方法，克服了 神經(jīng)網(wǎng)絡(luò)所存在的諸如局部最優(yōu)，過(guò)度學(xué)習(xí)，網(wǎng)絡(luò)不穩(wěn)定等問(wèn)題，是統(tǒng)計(jì)學(xué)習(xí)和人工智能中 非常先進(jìn)的算法。與神經(jīng)網(wǎng)絡(luò)相比，支持向量機(jī)具有較好的泛化能力。當(dāng)學(xué)習(xí)樣本很多時(shí) 兩種方法都可以得到很好的回歸效果，由于支持向量機(jī)的求解最后轉(zhuǎn)化成二次規(guī)劃問(wèn)題的 求解，因此支持向量機(jī)的解釋全局唯一的最優(yōu)解。支持向量機(jī)在解決小樣本、非線性及高維 模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題 中去。最終在標(biāo)準(zhǔn)層控制下，自動(dòng)解釋砂層組層位，大大的