论文部分内容阅读
近年来，在油气开发过程中，地震资料在开发井的设计中使用越来越广泛，地震资料中丰富的区块、测井等信息对油气开发起到了很好的指导作用。但是，在使用这些信息的过程中，由于对很多信息认识的不足，使得一些信息起到了误导性作用，进而导致了个别失败的案例，因此如何有效地利用地震资料辅助储层预测成为近年的研究热点。 本文对油藏储层量化描述及预测方法进行研究，并实现了信息量量化系统及基于地震属性的储层预测系统。首先对不同地质状况下的敏感地震属性进行甄选，并对优选地震属性进行优化；其次对储层量化方法进行研究；最后选用三类不同的模式识别算法对铁-17区块进行储层预测，并提出了一种基于置信度的联合储层预测方法。本文主要工作及创新点如下： (1)通过分析岩性及潜山油气藏的地质特征，从总体上甄选了几种对不同地质区块敏感的地震属性。同时通过单井属性综合分析法对铁-17区块进行属性优选。为了降低属性维度、计算复杂度及冗余度，本文采用主成分分析(PrincipleComponents Analysis，PCA)对优选地震属性进行优化。 (2)提出了一种新的储层预测方法：基于信息量量化的储层预测。在储层量化的过程中，可利用量化值来寻找油砂系统的边缘过渡地带，为地质解释人员解释储层提供参考；同时可结合地震信号高频信息进行横纵向综合预测。实验结果表明储层量化可以从宏观上指导地质解释人员确定油气分布。 (3)重点研究了如何将模式识别方法与地震资料相结合以进行储层预测。在储层预测过程中，使用了基于线性最优投影的Fisher线性判别法(Fisher LinearDiscrimination，FLD)、基于经验风险最小化的BP神经网络(BP Neural Network，BPNN)和基于结构风险最小化的支持向量机(Support Vector Machine，SVM)等三种模式识别方法，其中FLD及SVM算法在一定程度上解决了小样本储层预测问题；从提高预测结果置信度角度出发，提出了基于SVM和FLD的联合储层预测方法。实验结果表明，本文所提方法可取得较高的测井符合率。