[发明专利]一种基于小样本扩充的有利储层发育区预测方法

说明书

本发明公开了一种基于小样本扩充的有利储层发育区预测方法，其特征在于通过样本扩充解决采用机器学习方法预测有利储层时容易出现训练不充分或者过拟合的问题，根据周围地质情况连续的特点，实现数据样本增强；以样本扩充后的数据集为输入，训练不同内核函数的支持向量机模型作为基分类器，通过线性加权的方式组合基分类器的预测结果，实现更合理的有利储层发育区预测。本发明提供的方法可以有效的提高有利储层预测的准确率，辅助地质人员快速地圈定有利目标。

技术领域

本发明属于地球物理勘探领域和人工智能领域，具体涉及一种基于小样本扩充的有利储层发育区预测方法。

背景技术

传统有利区预测方法因地质条件复杂、地震属性相关性差，导致预测精度低，采用机器学习方法预测有利储层发育区，能够挖掘地震属性之间的隐含作用，得到地震属性与类别标签的映射关系。在机器学习领域中，主要采用large-scale方法处理数据，但已探明的有利储层发育区样本数量较少，large-scale方法不完全适用，训练往往会过拟合，因此样本数量不足是我们面临的一个严峻问题。

针对已探明有利储层发育区样本数量较少，有标记样本位置分散，且未利用样本周围地质情况连续的问题，通过研究有标记样本的数据分布规律，充分利用无标记数据，提出一种基于小样本扩充的有利储层发育区预测方法。

发明内容

为了克服有标记样本数量较少容易带来过拟合问题，本发明提供了一种基于小样本扩充的有利储层发育区预测方法，通过利用有利储层发育区周围的无标记样本实现样本扩充，增加标记样本的数量，进而训练分类模型，实现有利储层发育区的精准预测。

为实现上述目的，本发明技术方案主要包括以下三个步骤：

A.数据采集及处理：

从勘探数据库、地震数据体等数据源中提取地震属性以及岩性剖面数据，通过时深转换，计算地震属性对应的深度范围内砂岩的累积厚度，进而标记有利区类别，其中有利储层发育区标记为‘2’，储层发育区标记为‘1’，非有利储层发育区标记为‘0’。

B.标记样本扩充：

地震数据体可以视为按照CDP、Inline划分成的网格长方体，其中地震属性数据以地震网格点的排列形式存储。根据地震属性样本附近地质情况连续的特点，将标记样本看作正方形网格一个顶点，复制该标记给正方形网格的其他顶点位置，提取网格其他顶点位置的地震属性作为扩充后的样本，从而增强了样本集。

C.采用基于支持向量机的集成分类器预测有利储层：

不同参数的分类器具有一定的差异性，单一分类器往往不能全面反映地震属性与类别标签的映射关系，通过将具有不同内核函数的支持向量机模型进行组合，避免采用单一分类器的弊端，得到更合理的分类结果，解决常规有利区预测的多解性问题。

构建基于支持向量机的集成分类器的步骤：

(1)训练具有不同内核函数的支持向量机模型作为基分类器，由于参数不同，分类精度会有所不同；

(2)采用基分类器的评价指标F1值作为各分类器的权重；

(3)采用线性加权的方式组合基分类器的预测结果，得到有利储层发育区分布。

本发明的有益效果是：根据周围地质情况连续的特点，采用复制标签的方式对有利区样本进行扩充，解决了模型训练过程中因样本数量少导致的训练不充分或者过拟合问题；同时，采用基于不同内核函数的支持向量机集成模型进行有利储层发育区预测，避免了单一分类器无法全面评价分类的弊端，实现了精准预测。

附图说明

图1为样本扩充的原理图

图2为本发明的流程图