AVO（Amplitude Versus Offset）反演可獲得多種疊前屬性,但單一的屬性（或因子）對(duì)流體的識(shí)別能力較組合因子弱,因此利用多參數(shù)或組合因子進(jìn)行流體識(shí)別是目前油藏描述的發(fā)展方向之一。本文基于疊前地震資料,在提取多種AVO屬性和組合因子的基礎(chǔ)上,利用近似支持向量機(jī)進(jìn)行機(jī)器學(xué)習(xí),以提高流體識(shí)別的精度。研究包括以下三個(gè)方面:（1）比較了支持向量機(jī)（Support Vector Machines,SVM）、近似支持向量機(jī)（Proximal Support Vector Machine,PSVM）的原理與優(yōu)缺點(diǎn);（2）分析了單個(gè)AVO屬性、組合因子的流體識(shí)別能力,優(yōu)選了用于PSVM的輸入?yún)?shù);（3）搭建了PSVM的多類分類算法對(duì)實(shí)際工區(qū)進(jìn)行流體識(shí)別的流程框架。首先采用理論數(shù)據(jù)進(jìn)行PSVM一系列主要功能的驗(yàn)證,其次利用實(shí)際井旁道數(shù)據(jù)進(jìn)行學(xué)習(xí),最后利用PSVM對(duì)整個(gè)剖面進(jìn)行了分類。通過(guò)以上研究,得到了以下認(rèn)識(shí):（1）PSVM方法基于傳統(tǒng)的SVM在運(yùn)算效率上明顯提高,且對(duì)大樣本數(shù)據(jù)的處理上更加具有優(yōu)越性。大量的實(shí)例研究證明無(wú)論是理論數(shù)據(jù),還是實(shí)際的井旁道數(shù)據(jù),PSVM都能用其對(duì)應(yīng)的分類... 

【文章來(lái)源】：成都理工大學(xué)四川省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

樣本集的二維平面表示（鄧乃揚(yáng)等，2004）

≤ （ = ）。從 2-2 的示意圖可以到一個(gè)點(diǎn)使得這兩個(gè)凸殼距離最近（用 和一條垂直平分線，那么這條垂直平分線就是只需要通過(guò)求解以系數(shù) = ( ,…, ‖ 的極小點(diǎn) = ,…, ，然個(gè)點(diǎn)的表達(dá)式 = щ ， = щ 求取出兩個(gè)凸殼劃分線的表達(dá)式( д ) ) д ( ) 。（鄧乃揚(yáng) 等，2004）

最大間隔法示意圖（鄧乃揚(yáng)等，2004）

【參考文獻(xiàn)】：
期刊論文
[1]基于灰色近似支持向量機(jī)的加速度計(jì)參數(shù)預(yù)測(cè)[J]. 于湘濤,周峰,徐國(guó)棟,張吉.  導(dǎo)航定位與授時(shí). 2017(05)
[2]基于近似支持向量機(jī)的能見(jiàn)度釋用預(yù)報(bào)研究[J]. 吳波,胡邦輝,王學(xué)忠,黃泓,王舉.  熱帶氣象學(xué)報(bào). 2017(01)
[3]基于近似支持向量機(jī)的流體識(shí)別方法[J]. 劉佳樂(lè),文曉濤,張瑞,李天,李世凱.  遼寧化工. 2016(04)
[4]基于模糊加權(quán)近似支持向量機(jī)的Web文本分類[J]. 王平,吳劍.  計(jì)算機(jī)應(yīng)用與軟件. 2015(05)
[5]巖石物理驅(qū)動(dòng)下地震流體識(shí)別研究[J]. 印興耀,宗兆云,吳國(guó)忱.  中國(guó)科學(xué):地球科學(xué). 2015(01)
[6]測(cè)井巖性識(shí)別方法研究[J]. 楊玲,李鵬飛.  中國(guó)高新技術(shù)企業(yè). 2015(02)
[7]利用彈性參數(shù)識(shí)別致密砂巖儲(chǔ)層流體性質(zhì)[J]. 邊會(huì)媛,王飛,岳崇旺,張永浩.  地球科學(xué)與環(huán)境學(xué)報(bào). 2014(04)
[8]多重孔巖石微分等效介質(zhì)模型及其干燥情形下的解析近似式[J]. 李宏兵,張佳佳.  地球物理學(xué)報(bào). 2014(10)
[9]根據(jù)AVO響應(yīng)識(shí)別不同流體類型的方法[J]. 佘剛,王光付,竺知新.  科技導(dǎo)報(bào). 2013(17)
[10]復(fù)雜氣藏AVO屬性交會(huì)含氣性檢測(cè)應(yīng)用研究[J]. 王寶江,李美,于強(qiáng),王大興,吳漢寧,高靜懷.  地球物理學(xué)進(jìn)展. 2013(01)

博士論文
[1]支持向量機(jī)分類方法及其在文本分類中的應(yīng)用研究[D]. 趙暉.大連理工大學(xué) 2006
[2]多屬性AVO分析及彈性參數(shù)反演方法研究[D]. 孫鵬遠(yuǎn).吉林大學(xué) 2004

碩士論文
[1]深度域AVO疊前同步反演方法[D]. 蔣偉.成都理工大學(xué) 2018
[2]深層疊前反演與儲(chǔ)層評(píng)價(jià)[D]. 張瑞.成都理工大學(xué) 2017
[3]基于近似支持向量機(jī)的儲(chǔ)層分析方法[D]. 劉佳樂(lè).成都理工大學(xué) 2016
[4]基于支持向量機(jī)的非線性AVO反演[D]. 應(yīng)茜羽.中國(guó)海洋大學(xué) 2015
[5]基于雙相介質(zhì)的流體識(shí)別因子構(gòu)建及應(yīng)用[D]. 劉艷秋.吉林大學(xué) 2014
[6]近似支持向量機(jī)參數(shù)選擇及稀疏度的研究[D]. 崔芳芳.河北大學(xué) 2012
[7]飽含流體介質(zhì)的AVO數(shù)值模擬研究[D]. 胡曉麗.成都理工大學(xué) 2011
[8]基于巖石物理的流體識(shí)別研究[D]. 蓋海洋.中國(guó)石油大學(xué) 2009
[9]AVO分析與流體識(shí)別[D]. 王棟.成都理工大學(xué) 2009
[10]彈性AVO反演[D]. 容嬌君.成都理工大學(xué) 2008



本文編號(hào)：3016841