位置:成果数据库 > 期刊 > 期刊详情页
基于支持向量机的页岩储层横波速度预测
  • ISSN号:1673-064X
  • 期刊名称:《西安石油大学学报:自然科学版》
  • 时间:0
  • 分类:TE319[石油与天然气工程—油气田开发工程]
  • 作者机构:[1]中国石油大学北京石油工程教育部重点实验室,北京102249, [2]西安石油大学石油工程学院,陕西西安710065, [3]西安石油大学计算机学院,陕西西安710065, [4]长庆油田第五采气厂,陕西西安710018, [5]长庆油田油气工艺研究院,陕西西安710021, [6]中石油煤层气有限责任公司临汾分公司综合研究所,山西太原030000
  • 相关基金:国家自然科学基金“基于多源信息和智能计算的钻井异常自适应预警方法研究”(编号:51574194);陕西省工业科技攻关计划“非常规油气钻井随钻风险动态预警技术研究”(编号:2016GY-144);陕西省教育厅专项科研计划项目“页岩储层地质力学模型的建立方法及应用研究”(编号:16JK1613),“基于多源信息融合的钻井事故动态预警系统研究”(编号:15JK1567);西安石油大学青年科技创新基金“基于地质力学模型的钻井异常预警方法研究”(编号:2016BS09).
中文摘要:

为解决目前油气田现场缺少储层横波速度信息的问题,以常规测井数据为基础,基于支持向量机映射页岩横波速度与自然伽马、密度和电阻率等测井数据的相关性,提出了一种准确预测储层横波速度的方法。通过四川盆地威远页岩气区块的11 500个样本数据对所建立的模型进行训练与测试,支持向量机的预测准确性达到97.2%。

英文摘要:

In order to solve the problem of lacking the data of shear wave velocity in oil and gas fields, a method for predicting the shear wave velocity in shale reservoir is proposed, which is based on conventional logging data. The relationship between shear wave velocity and natural gamma, density and resistivity logging data of shale reservoir was established by support vector machine ( SVM ). The pre- diction model was trained by the data of 10 000 samples from Weiyuan block in Sichuan Basin and tested by the data of 1 500 samples from the same block, its prediction accuracy of the test set is 97.2 %.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《西安石油大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:陕西省教育厅
  • 主办单位:西安石油大学
  • 主编:屈展
  • 地址:西安市南郊电子二路18号
  • 邮编:710065
  • 邮箱:xbzr@xsyu.edu.cn
  • 电话:029-88382326
  • 国际标准刊号:ISSN:1673-064X
  • 国内统一刊号:ISSN:61-1435/TE
  • 邮发代号:
  • 获奖情况:
  • 2000年陕西省优秀期刊(一等奖)
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,美国剑桥科学文摘,美国石油文摘,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:7423