资源描述：
《数据挖掘方法在石油勘探开发中的应用研究_谭锋奇》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、2010年2月第45卷第1期·综合研究·数据挖掘方法在石油勘探开发中的应用研究＊①②①②③①②①②谭锋奇李洪奇孟照旭郭海峰李雄炎(①中国石油大学(北京)资源与信息学院,北京102249;②中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;③新疆油田公司勘探开发研究院,新疆克拉玛依834000)谭锋奇,李洪奇,孟照旭,郭海峰,李雄炎.数据挖掘方法在石油勘探开发中的应用研究.石油地球物理勘探,2010,45(1):85～91摘要随着石油勘探开发的不断深入,要想从海量的地震数据中创造新的效益
2、,有必要将数据挖掘方法应用于石油勘探和开发中,以获取高性能的地质、油藏、储层及流体性质评价的预测模型。该方法由特征选择、模型参数优化、性能评估等三大循环组成,核心技术是将遗传算法用于特征选择和参数优化,通过重复交叉验证得到泛化准确率的无偏估计以及从多种学习方法中优选出最终模型。本文以克拉玛依油田砾岩油藏水淹层评价为例,研究了6种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络及组合学习等5种方法,综合考虑预测模型的准确率和生成规则的可操作性,并选择决策树模型作为砾岩油藏水淹级别评价的最终预测模型。
3、与传统的地球物理勘探方法相比较,采用该数据挖掘方法的优势在于:可以充分利用多专业数据;获得丰富的预测模型;探查和发现规律;提高预测准确度,因而能更好地为油气勘探开发服务。关键词数据挖掘特征选择模型参数优化性能评估决策树水淹层评价从样本数据中建立一种描述输入和输出参数(如测1引言井曲线值与水淹级别)之间映射关系的模型;然后在实际数据(如未射孔井段)上应用该模型,得到(水淹随着石油勘探开发广度和深度的拓展,一方面级别的)解释结果。这些方法共同的特点是高度参石油数据以飞快的速度不断积累,需要充分利用这数化、学
4、习能力强、适用范围广,其预测准确率与样些海量石油数据创造新的效益,但原有的许多应用本的数据量和代表性、特征选择、模型参数设置以及方法显得无能为力;另一方面各种非常规油气藏正性能评估方法有直接关系。但如果使用不当,很容成为主力勘探对象,而老油田也都进入开发中后期易造成两方面问题:①“过学习”(Overfitting),即建的高含水阶段,低孔低渗、低阻、水淹层等复杂储层立的模型过度拟合到训练数据,虽然训练准确率高,评价问题日渐普遍,以往采用的常规交会图、线性回但泛化到未来数据上的准确率低;②“欠学习”(Un
5、-归、多元判别分析等技术均不能有效地解决这些复derfitting),即模型尚未学习到数据中的真实结构。杂储层参数的计算和流体性质识别等问题。因此有这两方面问题均严重影响了智能方法的应用效果。必要引入人工智能、机器学习、模式识别等新方法,作为应对石油勘探开发未来挑战的十项关键技[2]其中神经网络已经广泛应用于岩性识别、沉积相划术之一,数据挖掘方法目前在国外已经被成功地[3]分、渗透率预测、油气水层识别等方面。实践证明,应用于油藏实时动态监测、识别石油工程作业中[4][5]当处理多种因素影响的复杂石油地质
6、问题时,非线的“最佳实践”、油藏描述等。在此背景下,针对性的神经网络方法要比线性的统计分析技术优前述问题,本文提出一种石油勘探开发中的数据挖[1]越。近年来决策树这一具有坚实理论基础的机器掘实用方法,与前人研究工作相比,该方法更关注从学习方法正日益受到关注,并在石油勘探开发领域应用角度获得高泛化度模型。技术核心是在把握各得到若干成功应用。决策树、神经网络、支持向量机种算法的原理和特点前提下,选择正确的使用步骤,等智能建模方法的一般思路是:首先通过学习算法利用遗传算法进行特征子集选择和模型参数优化,＊北京
7、市昌平区中国石油大学(北京)油气资源与探测国家重点实验室,102249本文于2008年9月28日收到,修改稿于2009年3月12日收到。86石油地球物理勘探2010年[8～12][13]再从多种预测方法建立的模型中优选出最终模型。文主要研究和应用了决策树、神经网络、支[14,15][16～18][19,20]以克拉玛依油田砾岩油藏水淹层评价为实例,对比持向量机、贝叶斯网络和组合学习研究了4种特征子集方案和决策树、神经网络、支持等5种方法,这些方法的具体理论、算法、参数以及向量机、贝叶斯网络和组合学习等5
8、种方法12种模应用详情见相应参考文献。型的数据挖掘结果,最后优选出决策树模型作为该区水淹层识别和评价的最终预测模型。3石油勘探开发中数据挖掘方法2数据挖掘方法与技术数据挖掘是一种“数据驱动”的解决方法,即不需要事先完全理解岩石物理机理、储层性质变化规数据挖掘(DataMining)的经典定义为“从海量律、油藏动态变化特征等,只需少量的背景知识,直数据中获取正确、新颖、有潜在价值、最终可理解的接从数据中建立模型,由专家对模型进行分析和解[6]
