基于FLD 算法的儲(chǔ)層預(yù)測(cè)
時(shí)間:2016-03-24 09:38
來(lái)源:
作者:龐靜超
基于地震屬性的小樣儲(chǔ)層預(yù)測(cè)方法研究越來(lái)越受到業(yè)界關(guān)注,并逐漸演變成一種基于置信度的聯(lián)合儲(chǔ)層預(yù)測(cè)方法。將三類(lèi)不同模式識(shí)別算法應(yīng)用于儲(chǔ)層預(yù)測(cè),分別是基于線性最優(yōu)投影的FLD 算法、基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的BP神經(jīng)網(wǎng)絡(luò)方法及基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的SVM 方法。
通過(guò)實(shí)驗(yàn)證明,在可利用測(cè)井樣本較少的情況下通過(guò)聯(lián)合儲(chǔ)層預(yù)測(cè)方法,較好地在置信度及測(cè)井符合率之間進(jìn)行平衡。隨著模式識(shí)別及相關(guān)算法的不斷完善和發(fā)展,大量的模式識(shí)別算法被應(yīng)用到儲(chǔ)層預(yù)測(cè)領(lǐng)域。FLD 算法的核心思想是尋找一個(gè)最優(yōu)投影方向?qū)?em>d 維空間的樣本投影到一條直線上,同時(shí)使得投影后的模式樣本具有最大類(lèi)間矩陣及最小類(lèi)內(nèi)散布矩陣,以達(dá)到使不同類(lèi)的樣本在投影后盡可能分開(kāi),同類(lèi)樣本盡可能聚集的目的。
實(shí)驗(yàn)結(jié)果表明,F(xiàn)LD 算法能夠取得較高的測(cè)井符合率。FLD 算法的核心思想為考慮將
d 維空間的樣本投影到一條直線上,形成一維空間,即把維數(shù)壓縮到一維,同時(shí)尋找一個(gè)最佳投影方向使得投影后的模式樣本具有最大類(lèi)間矩陣及最小類(lèi)內(nèi)散布矩陣,使得不同類(lèi)的樣本在分類(lèi)后盡量分開(kāi)得最遠(yuǎn)。由于投影后在一維Y 空間里各類(lèi)樣本盡可能分開(kāi),即兩類(lèi)樣本均值之差越大越好;同時(shí)希望樣本內(nèi)部盡量密集越小越好。實(shí)現(xiàn)步驟為首先求解最佳投影方向;其次利用閾值公式求解判別閾值;最后將待測(cè)樣本進(jìn)行決策。使用FLD 建立含油氣性預(yù)測(cè)模型具體步驟如下:首先選取監(jiān)督樣本,從測(cè)井集合中選取若干測(cè)井作為訓(xùn)練樣本; 其次計(jì)算FLD,利用所選監(jiān)督樣本計(jì)算最佳投影方向和閾值; 之后選取測(cè)試樣本, 由于FLD 并不是基于學(xué)習(xí)的模式識(shí)別方法,因此可選取所有測(cè)井作為測(cè)試樣本測(cè)試當(dāng)前FLD 的分類(lèi)能力;最后計(jì)算測(cè)井符合率,利用所求投影方向和閾值對(duì)測(cè)試樣本進(jìn)行分類(lèi),獲取測(cè)井符合率并衡量預(yù)測(cè)模型分類(lèi)能力。
實(shí)驗(yàn)的主要目的是通過(guò)FLD 算法建立含油氣性模型并通過(guò)求取測(cè)井符合率對(duì)FLD 分類(lèi)能力進(jìn)行檢驗(yàn),同時(shí)驗(yàn)證FLD 可否用于儲(chǔ)層預(yù)測(cè)。利用判別規(guī)則將所有測(cè)井進(jìn)行分類(lèi)判別。假設(shè)所有測(cè)井的預(yù)測(cè)結(jié)果與真實(shí)含油氣性相吻合,分類(lèi)能力較好,則投影方向和閾值可用于整個(gè)區(qū)塊儲(chǔ)層預(yù)測(cè)中,同時(shí)也證明FLD 可用于建立含油氣性模型。對(duì)某區(qū)塊進(jìn)行儲(chǔ)層預(yù)測(cè)外推,區(qū)塊范圍為Inline(350~900),Xline(550~920),預(yù)測(cè)結(jié)果如圖所示,其中紅色代表預(yù)測(cè)結(jié)果為含油氣區(qū)域,藍(lán)色代表預(yù)測(cè)結(jié)果為不含油氣區(qū)域。