教育部规划基金项目(11YJAZH043)
- 作品数：2 被引量：8H指数：2
- 相关作者：蔡左花匡建超王众庞河清廖开贵更多>>
- 相关机构：成都理工大学西南油气分公司中国石化更多>>
- 发文基金：教育部规划基金项目更多>>
- 相关领域：石油与天然气工程更多>>
- 逐类组合支持向量机在致密储层判识和产能预测中的应用被引量：5
- 2011年
- 针对致密储层判识和产能预测准确率低,提出一种新的建模方法——逐类组合支持向量机方法(TCSVM).首先应用支持向量分类机(SVC)实现储层类别判识,然后用支持向量回归机(SVR)建立气层产能预测模型,最后对未知储层进行判识和产能预测.该模型通过前期降噪、降维的属性优化,有效降低数据类别对储层判识的干扰,提高储层判识和气层产能预测的准确率.以陕甘宁盆地中部气田马五1气藏为例,选用19口井的92个已测试层位作为已知样本(其中78个训练样本,14个检验样本),以气层、含气层、干层、水层和产能赋值为目标,挑选与储层特征密切相关的10个特征参数作为输入变量,建立中部气田马五1气藏的储层判识模型和气层产能预测模型.检验结果表明:模型的预测误差较传统的建模方法和多项式自组织神经网络方法(MOSN)低,其中尤以主成分分析逐类组合支持向量机模型(PCA-TCS-VM)的预测误差最低(平均绝对误差为0.359,平均相对误差为0.036).表明逐类组合支持向量机方法减少数据类别对储层判识和产能预测的干扰,提高准确率,对油气勘探具有积极指导意义.
- 庞河清匡建超蔡左花王众黄耀综
- 新场气田须二气藏单井气水层识别模型研究被引量：3
- 2014年
- 川西新场气田须二气藏为典型的低渗致密碎屑岩气藏,由于地质条件复杂,储层非均质性严重,气水分布十分复杂,束缚水含量较高,气层、气水同层电阻率界限模糊不清,测井解释往往造成很大误判。针对这一难点,应用基于粒子群算法(PSO)的核主成分分析与支持向量机(KPCA–SVM)模型进行气水层识别。模型先通过核主成分分析(KPCA)进行非线性属性变量提取,再将提取的属性变量作为支持向量机(SVM)的输入变量,在识别过程中利用粒子群算法(PSO)寻优,最终实现气水层识别。将模型应用于新场气田须二气藏气水层识别,识别结果符合研究区的实际情况。
- 庞河清匡建超蔡左花廖开贵王众
- 关键词：粒子群算法核主成分分析
