基于模糊粗糙集的機器學習儲層參數預測
摘要：因為地震數據的三維空間分布優勢,地震屬性已經被廣泛應用于含油氣性預測、儲層厚度預測、孔隙度預測等。但也存在地震屬性之間信息冗余、屬性與儲層物性參數關系模糊的問題。針對這兩個問題,將模糊粗糙理論和機器學習引入到儲層參數預測中來。通過模糊粗糙集理論對地震屬性進行約簡,去除冗余信息,得到最優化的地震屬性組合;將約簡后的屬性作為機器學習的輸入,實現從地震屬性到儲層物性參數的非線性映射。該方法既保留了地震屬性中有效信息,又避免了因輸入變量過多而導致的網絡模型訓練困難。實際數據應用表明,屬性約簡的機器學習預測結果分辨率更高,并與數據吻合更好。
注: 保護知識產權,如需閱讀全文請聯系CT理論與應用研究雜志社
相關推薦
更多
