[发明专利]一种非监督与监督学习下的多波地震油气储层预测方法

摘要

本发明公开了一种非监督与监督学习下的多波地震油气储层预测方法。该方法包括如下步骤：首先，利用不同卷积核卷积升维生成各类纵横波地震属性，然后，利用聚类分析法进行非监督学习，分别对纵、横波地震属性通过聚类分析降维，基于此，用聚合法求取出能突出油气储层特征的多波地震聚合属性，最后以降维后的聚合属性作为支持向量机的学习集，进行从已知到未知的地震油气储层的预测。将本发明方法应用于实际的油气储层预测，结果表明，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。

主权项

1.一种非监督与监督学习下的多波地震油气储层预测方法，其特征在于，包括如下步骤：/na.应用New-3δ准则，剔除机器学习数据中可能的异常值，亦即进行降噪处理，然后对经过降噪处理的各类纵、横波地震属性进行标准化处理，提供多波地震属性，为地震属性的非监督学习提供源数据；New-3δ准则运算突出了异常值，并将包含于地震属性中的异常值剔除，降低因为地震属性中存在异常致使机器学习结果不准确而造成的干扰；/nb.对步骤a中获得的地震属性进行非监督学习，获取多波地震属性中油气储层特征更加明显的地震属性，为聚合地震属性打下基础；降维后的地震属性，将地震属性中与油气储层特征无关的地震属性去掉；降低了地震油气储层预测中信息的冗余，提高了油气储层预测的效率；/n该步骤b具体为：/n利用聚类分析法进行非监督学习，分别对各类纵、横波地震属性通过聚类分析降维；基于以上聚类分析降维结果，用聚合法求取出能突出油气储层特征的多波地震聚合属性；/n该步骤b实际包含两个层次的降维过程：/n第一是通过降维，将纵、横波地震属性维数降低，起到优选作用；第二是利用纵、横波对油气储层的敏感度不同，进行有机聚合，使纵、横波地震属性融合在一起，起到优化降维作用；/n第一层次的降维，即将纵、横波地震属性进行聚类分析降维，具体过程如下：/n将提取的地震属性作为一类；/n计算各个属性两两之间的相关系数，根据相关系数来判断相互之间的密切程度，两种地震属性的相关系数的值均介于-1～1之间：/n若相关系数的绝对值靠近0时，则两种地震属性之间相关程度低；/n若相关系数靠近-1或1时，则两种地震属性之间相关程度高；/n将相关程度高的属性化为一类，达到优选目的，完成聚类分析降维的过程；/n经过第一层次的降维，将纵、横波地震属性聚类后降维到6种属性；/n第二层次的降维，是基于第一层次的降维中产生的聚类分析降维结果，用聚合法求取出能突出油气储层特征的多波地震聚合属性；通过相关计算，将纵波和转换横波所包含的信息融入到新构建的属性过程中，即生成新的属性，称此为多波地震聚合属性；/n聚合后的地震属性降低了原始属性集的维度，同时获得的多波地震聚合属性具有一定的地质意义；/n通过第二层次的降维，用聚合法求取出能突出油气储层特征的多波地震聚合属性；/nc.将步骤b获得的多波地震聚合属性作为监督学习集，利用监督学习构建油气储层特征模型，将获得的油气储层特征模型予以在研究区内推广，最终得到多波地震油气储层分布的预测结果；利用井点处的地震属性作为监督学习的训练样本集，学习训练样本集中的地震属性与油气储层特征的关系；最终将构建地震属性与油气储层特征关系的监督学习模型在全区内进行推广。/n