学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的地震储层预测方法研究

作　者: 唐小彪
导　师: 曹俊兴
学　校: 成都理工大学
专　业: 地球探测与信息技术
关键词: 属性提取优化支持向量机参数寻优分类预测回归
分类号: P631.4
类　型: 硕士论文
年　份: 2009年
下　载: 84次
引　用: 1次
阅　读: 论文下载

内容摘要

本文介绍支持向量机方法及其在地震储层预测中的应用。论文的主要内容与成果如下:(1)归纳总结了油藏地球物理中地震属性的分类、提取方法和地震属性分析基本工作流程。(2)设计了一个含油气、含水的储层地质模型,采用波动方程正演模拟得到合成地震记录。从地震记录中提取包括均方根振幅、瞬时频率、瞬时相位在内的18种属性参数,并运用极差标准化、主成分分析、相关性分析等方法进行属性参数标准化、属性参数降维映射、属性参数敏感性分析,从而找出对储层特征反映较为敏感的瞬时相位等8种属性参数的组合。(3)支持向量机方法的相关算法可以求得全局最优解,从而避免了神经网络在学习过程中得不到全局最优解而出现的“过学习”,“欠学习”现象。在本论文研究中,通过数值模拟实验,验证了支持向量机方法的学习模型比BP、RBF方法学习模型的鲁棒性更好,推广性更强;在所设计的储层地质模型中,利用合成地震记录试算,将优选出的敏感属性作为支持向量机算法模型训练的输入,目的层是否为储层作为输出,经过网格搜索法的模型参数寻优,找到最优参数形成训练模型,支持向量机方法分类器对目的层含油气、含水性的预测均与实际设计的储层地质模型能较好的吻合;在楔状体地质模型目的层的速度、密度参数预测中,速度预测值的均方根误差为0.0041、和原来速度值之间的相关系数为0.9877,密度预测值的均方根误差为0.004、和已知密度的相关系数为0.9885。实验结果表明,本方法是可行的。

全文目录

摘要  3-4
Abstract  4-7
第1章前言  7-12
  1.1 课题依据及意义  7
  1.2 国内外研究现状  7-12
    1.2.1 地震属性分析技术的研究与进展  7-9
    1.2.2 支持向量机技术的研究与进展  9-12
第2章地震属性提取与储层预测  12-20
  2.1 地震属性  12-17
    2.1.1 地震属性提取方法、原则  12-14
    2.1.2 地震属性分类  14-16
    2.1.3 地震波波形特征  16-17
  2.2 地震属性的优化  17-20
    2.2.1 属性优化的必要性  17
    2.2.2 属性优化的方法  17-19
    2.2.3 地震属性与储层（储层参数）预测  19-20
第3章支持向量机SVM理论  20-38
  3.1 统计学习理论  21-23
    3.1.1 VC维  21
    3.1.2 结构风险最小准则  21-22
    3.1.3 推广性的界  22-23
    3.1.4 最优化问题  23
  3.2 支持向量机的基本理论及其参数优化  23-33
    3.2.1 引言  23-24
    3.2.2 分类支持向量机(SVC)  24-30
    3.2.3 回归支持向量机(SVR)  30-33
    3.2.4 SVM模型参数优化  33
  3.3 支持向量机、BP网络和RBF网络性能上的比较  33-38
    3.3.1 分类问题  33-35
    3.3.2 回归问题  35-38
第4章数值模拟实验  38-58
  4.1 属性参数敏感性分析  38-48
  4.2 含油（气）、水分类识别  48-51
  4.3 储层参数SVM回归预测  51-58
结论  58-59
致谢  59-60
参考文献  60-61

基于支持向量机的地震储层预测方法研究

内容摘要

全文目录

相似论文