摘要:数据挖掘是应对石油勘探开发未来挑战的10项关键技术之一。提出了一种将预测性数据挖掘技术应用于复杂储层测井评价的方法。将遗传算法应用于特征子集选择和建模参数优化,利用重复交叉验证得到泛化误差的无偏估计,并从选定的多学习算法建模结果中优选出最终预测模型。以克拉玛依油田六中区克下组油藏水淹级别划分为例,在该方法框架内对比研究了8种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络、组合学习等5种分类方法12种预测模型。结果表明支持向量机预测准确率最高,达91.47%,选择其作为最终预测模型,而决策树模型容易理解,作为辅助参考模型。利用该数据挖掘方法解决油、气、水层识别和岩性划分等问题时,能够获得高性能的分类模型,从而将有效地提高解释精度和符合率。
关键词:储层评价 数据挖掘 预测建模 参数优化 特征选择
单位:中国石油大学资源与信息学院 北京102249 中国石油大学油气资源与探测国家重点实验室 北京102249 长江大学地球物理与石油资源学院 湖北荆州434023 新疆油田公司勘探开发研究院 新疆克拉玛依834000
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关范文
复杂网络分析