【摘要】：隨著人工智能和機器學習的快速發(fā)展,機器學習已滲透到石油勘探開發(fā)的各個環(huán)節(jié),對石油地球物理勘探產(chǎn)生了重要的影響,同時也帶來了新機遇和新突破。石油地球物理勘探,尤其是測井和地震勘探,在研究過程中通常會遇到一系列的分類問題和回歸問題。本文在調(diào)研總結石油地球物理勘探中的分類、回歸問題的基礎上,對分類問題中的裂縫和縫洞充填物識別,以及回歸問題中的多波聯(lián)合反演展開了研究,并分別提出了改進方法。針對裂縫和縫洞充填物識別,本文提出了一種基于最小二乘支持向量機的識別方法。結合FMI電成像測井圖像和巖心觀測資料,對裂縫和縫洞充填物進行分類;分析裂縫和縫洞充填物的測井響應特征,從眾多的測井曲線中挑選出對裂縫和縫洞充填物敏感的測井曲線;由于利用單個測井曲線來識別的效果往往不佳,因此提取對裂縫和縫洞充填物更加敏感的組合參數(shù);利用最小二乘支持向量機方法分別建立裂縫和縫洞充填物的識別模型,并通過粒子群算法對最小二乘支持向量機參數(shù)進行優(yōu)化,以提高裂縫和縫洞充填物的識別精度。實際資料測試中,該方法的識別精度高于BP神經(jīng)網(wǎng)絡方法,識別結果與成像測井、巖心資料具有較好的一致性,說明該方法是可行的且具有一定的實用價值。針對多波聯(lián)合反演,本文提出了一種基于改進貝葉斯推斷和最小二乘支持向量機的非線性反演方法。該方法采用精確Zoeppritz方程進行PP波和PS波正演,避免近似公式在遠炮檢距和彈性參數(shù)縱向變化較大等情況下的誤差;利用最小二乘支持向量機方法建立PP波、PS波反射振幅與彈性參數(shù)之間的最優(yōu)非線性模型,以解決多波聯(lián)合AVO反演的非線性問題;通過改進的貝葉斯推斷對最小二乘支持向量機超參數(shù)的后驗概率進行最大化,獲得了最優(yōu)的超參數(shù),從而提高了多波聯(lián)合反演的精度。模型試算表明,該方法的反演精度和抗噪能力優(yōu)于常規(guī)方法;該方法的實際資料反演結果與實際測井曲線更加吻合,反演誤差更小,表明該方法有著較強的適用性,利用該方法對研究區(qū)的實際多波地震資料進行反演是可行的。
【學位授予單位】：中國地質(zhì)大學(北京)
【學位級別】：博士
【學位授予年份】：2019
【分類號】：P618.13;P631
【圖文】：

機器學習算法的本質(zhì)是求解最優(yōu)化問題的過程。即利數(shù)據(jù)進行學習，并構建學習模型，通過不斷改進模型的免過擬合（張潤，2016）。紹 BP 神經(jīng)網(wǎng)絡、支持向量機以及最小二乘支持向量機種方法進行了比較和分析，最后研究了最小二乘支持向新的參數(shù)優(yōu)化方法，為后續(xù)裂縫及縫洞充填物識別、多。網(wǎng)絡（Back Propagation Neural Network, BPNN）是一種誤差elhart 和 Mcclelland，1986）。它具有三層結構，分別是層都由一個或多個神經(jīng)元組成，如圖 2-1 所示。

傳播與誤差反向傳播的過程，直到輸出的誤差達到憑借良好的非線性映射能力，可以對任意函數(shù)進行擬 BP 神經(jīng)網(wǎng)絡各層神經(jīng)單元的數(shù)量、學習系數(shù)等參（潘昊等，2005）。但是 BP 神經(jīng)網(wǎng)絡存在訓練時間等問題。機）基于統(tǒng)計學習理論和結構風險最小原理，提出了VM)機器學習方法。該方法在小樣本集的條件下，通間的折衷，克服了過擬合問題，獲得了較強的泛化回歸等問題（蘇建龍等，2014）。支持向量機的結構

法首先通過非線性函數(shù)，把低維的樣本數(shù)據(jù)轉(zhuǎn)換到次規(guī)劃問題；最終在高維空間中構建分類決策函數(shù)問題。從理論來講，通過該方法可以得到全局最優(yōu)問題。下面介紹分類問題和回歸問題中的支持向量在原始空間中線性不可分的非線性分類問題，支持間中的非線性分類問題轉(zhuǎn)換為高維空間中的線性分超平面映射回原始空間，從而得到原始空間中的最策函數(shù)。

【相似文獻】

相關期刊論文 前10條

1 蔣虹;;多波地震勘探技術在石油勘探中的應用[J];中國石油和化工標準與質(zhì)量;2017年18期

2 趙明君,李育林;利用Fe:LiNbO_3晶體的多波混頻實時實現(xiàn)并行圖象相減運算[J];物理;1989年03期

3 李錄明,羅省賢;海上多波地震資料處理方法及應用[J];成都理工學院學報;2002年01期

4 韓曉泉,何國信,張在陸;海上多波勘探裝備關鍵技術的突破[J];石油儀器;2000年04期

5 王大興;趙玉華;王永剛;張盟勃;程思檢;;蘇里格氣田低滲透砂巖巖性氣藏多波地震勘探技術[J];中國石油勘探;2015年02期

6 胡光偉;馮曉東;胡洪濤;;瞬變電磁法及多波地震法在礦井探測中的應用[J];中州煤炭;2011年10期

7 譚曄;多波技術叩開油氣上產(chǎn)之門[J];中國石油石化;2005年08期

8 戚敬華,李萍;利用τ—p變換技術實現(xiàn)多波波場分離[J];煤田地質(zhì)與勘探;1998年05期

9 李緒宣,張樹林;海上多波地震烴類檢測效果分析[J];中國海上油氣.地質(zhì);1999年05期

10 賀振華,何樵登,黃德濟,朱廣生,李正文,楊寶俊;多波資料綜合解釋方法研究的若干進展[J];礦物巖石;1997年04期

相關會議論文 前10條

1 符志國;劉洋;魏修成;;多波資料屬性研究[A];中國地球物理第二十一屆年會論文集[C];2005年

2 李錄明;羅省賢;;多波資料處理及解釋方法研究新進展[A];中國地球物理學會第22屆年會論文集[C];2006年

3 楊海濤;張宇偉;王棟;王靜;王鴻燕;;多波資料在碳酸鹽巖儲層預測中的應用[A];2017年全國天然氣學術年會論文集[C];2017年

4 王德明;趙鴻儒;;非均勻構造廣義多波勘探初步實驗研究[A];1993年中國地球物理學會第九屆學術年會論文集[C];1993年

5 何漢漪;朱宏彰;傅旦丹;馬在田;姚姚;;鶯歌海盆地多波地震資料處理及效果[A];1999年中國地球物理學會年刊——中國地球物理學會第十五屆年會論文集[C];1999年

6 蔡志東;張慶紅;王陽;劉聰偉;李飛;;VSP多波鉆前深度預測方法[A];中國石油學會2015年物探技術研討會論文集[C];2015年

7 蔣幗陽;曹景忠;耿建華;;儲層巖性參數(shù)的多波AVO反演[A];2001年中國地球物理學會年刊——中國地球物理學會第十七屆年會論文集[C];2001年

8 唐金良;黃中玉;徐亦鳴;;多波地震資料在碳酸鹽巖氣層識別中的應用[A];中國地球物理學會第二十四屆年會論文集[C];2008年

9 袁野;劉洋;張晶玉;;多波地震屬性儲層預測方法[A];中國地球物理學會第二十七屆年會論文集[C];2011年

10 於文輝;張麗琴;師學明;王家映;;多波勘探中的陷阱[A];2000年中國地球物理學會年刊——中國地球物理學會第十六屆年會論文集[C];2000年

相關重要報紙文章 前10條

1 通訊員 劉斌;攻關多波勘探難點[N];中國石油報;2003年

2 通訊員 徐榮梅;鄂爾多斯的考驗[N];中國石油報;2003年

3 楊學慶 王玉梅;多波采集實現(xiàn)規(guī)模生產(chǎn)[N];中國石油報;2004年

4 ;海上多波地震勘探技術[N];科技日報;2004年

5 本報記者 譚曄　特約記者 曹莉敏;多波軟件“中國芯”[N];中國石油報;2012年

6 譚曄;多波勘探再解地質(zhì)難題[N];中國石油報;2005年

7 本報記者 臧亞偉;秦川棋局幾多波譎云詭[N];機電商報;2005年

8 特約記者 譚曄 通訊員 徐榮梅;東方物探首次進行多波勘探[N];中國石油報;2003年

9 本報記者 孫秀娟　馬瑩瑩;“就想為國家找油找氣做點貢獻”[N];中國石油報;2012年

10 陳新;用高科技探求海底奧秘[N];中國礦業(yè)報;2004年

相關博士學位論文 前5條

1 謝瑋;基于機器學習的縫洞識別及多波聯(lián)合反演方法研究[D];中國地質(zhì)大學(北京);2019年

2 黃中玉;多波地震勘探技術研究及其在儲層描述中的應用[D];西南石油學院;2005年

3 張前進;基于TSP多波關系的圍巖穩(wěn)定性等級判定方法研究[D];中國地質(zhì)大學（北京）;2013年

4 李懷良;復雜山地多波寬頻帶地震數(shù)據(jù)采集關鍵技術研究[D];成都理工大學;2013年

5 周義軍;蘇里格氣田盒8段地震儲層預測技術研究[D];西北大學;2012年

相關碩士學位論文 前10條

1 鄭笑雪;基于橫向一致性的分步多波AVO聯(lián)合反演方法研究[D];中國石油大學(華東);2017年

2 帥領;三維多波地震資料匹配方法研究[D];電子科技大學;2018年

3 石蜀松;三維多波層位標定可視化軟件系統(tǒng)研究[D];成都理工大學;2006年

4 楊維;基于疊前數(shù)據(jù)分析的地震多波Q補償[D];中國地質(zhì)大學(北京);2012年

5 劉志田;海上多波地震勘探技術研究[D];中國海洋大學;2003年

6 魏乾乾;基于模糊聚類融合分析技術的多波地震油氣儲層預測[D];山東科技大學;2017年

7 鐘峙;三維多波疊前參數(shù)反演與應用研究[D];成都理工大學;2011年

8 李紅星;多波聯(lián)合應用及同時成像研究[D];吉林大學;2005年

9 孟星渾;多波地震技術在汪家屯火成巖儲層裂縫描述中的應用[D];中國地質(zhì)大學(北京);2016年

10 李濤;多波高精度匹配方法研究[D];電子科技大學;2016年

本文編號：2770152