【技術實現步驟摘要】
本申請涉及天然氣水合物地震定量解釋領域，具體地涉及一種基于支持向量機的天然氣水合物飽和度地震定量預測方法、裝置、電子設備及存儲介質。
技術介紹
1、天然氣水合物(簡稱水合物)是一種儲量巨大的清潔能源。天然氣水合物儲層的定量評價是水合物勘探開發(fā)的基礎，準確的預測水合物飽和度對于水合物儲層評價至關重要。巖石物理建模是地震定量解釋中搭建彈性參數與物性參數的橋梁，然而基于巖石物理方法的水合物飽和度的預測通常伴隨著高度非線性、模型多樣、多解性強等特點，影響水合物飽和度預測精度。
2、支持向量機作為一種機器學習算法，以統(tǒng)計學理論為基礎，基于結構風險最小化理論求解決策函數，在地球物理領域已得到廣泛的運用。核函數的構造和選擇解決了支持向量機在高度非線性問題中的適用性，支持向量機以結構化風險最小，而不是經驗風險最小作為優(yōu)化目標，能有效避免機器學習中的主要問題：過擬合。與其他以大數據作為基礎的機器學習算法不同的是，在結構風險最小化理論下支持向量機的最終決策函數只由少數的支持向量所確定，使其在小樣本問題下具有獨特的優(yōu)勢。因此，利用支持向量機算法進行水合物飽和度的預測能有效的解決高度非線性、多解性強等問題，提高水合物飽和度預測精度。
3、針對水合物的賦存形式多樣、飽和度和地震參數非線性難以預測的問題，使用基于支持向量機的方法挖掘地震數據和水合物飽和度的內在關系，從而實現對水合物進行定量預測的目的。該方法在水合物豐度預測和儲量評估方面具有較好的應用前景。
技術實現思路
1、有鑒于此，
2、第一方面，本申請實施例提供了一種基于支持向量機的天然氣水合物飽和度地震定量預測方法，包括：
3、數據采集：獲取地震數據與相應的測井數據；
4、訓練模型：利用所述測井數據，訓練得到水合物飽和度預測模型；
5、地震反演：將所述地震數據進行疊前地震反演得到地震反演剖面；
6、估算飽和度：將所述水合物飽和度預測模型應用于所述地震反演剖面，估算得到天然氣水合物飽和度。
7、在一種可能的實現方式中，所述地震數據為需要估算水合物飽和度的疊前地震資料；
8、所述測井數據包括深度點d，各個深度點的密度ρ、縱波速度vp、橫波速度vs及水合物飽和度sh。
9、在一種可能的實現方式中，訓練模型的樣本數據為{(xi,yi),i＝1,2,3,…,m}，其中，輸入數據xi是{vp、vs}曲線的隨機輸入值，表示二維空間的屬性向量；輸出數據yi是xi對應的預測目標值水合物飽和度sh，m為樣本數。
10、在一種可能的實現方式中，所述訓練模型包括：
11、參數設置：給定懲罰參數c和核函數參數g的范圍和搜索步長，分別生成二維參數網格；
12、得到最佳參數：按照給定懲罰參數c和核函數參數g的范圍和搜索步長遍歷參數c和g對所述樣本數據進行訓練，計算預測值與實際值y的均方誤差，所述均方誤差最小時的參數c和g即為模型訓練的最佳懲罰參數c和最佳核函數參數g；
13、重新訓練模型：利用最佳懲罰參數c和最佳核函數參數g重新訓練模型，得到訓練好的模型；
14、驗證模型：將所述訓練好的模型應用于新井數據，預測新井的水合物飽和度，與新井內實際的水合物飽和度進行對比，若結果吻合則說明模型為正確的模型。
15、在一種可能的實現方式中，所述疊前地震反演采用公式一計算，所述公式一具體為：
16、rp(θ)＝c1rp+c2rs+c3rρ
17、其中：
18、
19、
20、
21、式中，rp(θ)表示不同角度對應的反射系數，θ表示入射角，vp表示縱波速度，ρ表示深度點的密度，vs表示橫波速度。
22、在一種可能的實現方式中，所述地震反演具體包括：
23、數據轉換：將所述地震數據從偏移距數據轉換為角道集數據，進行常角度疊加得到大、中、小三個角度的地震數據；
24、提取子波：給定初始子波，利用所述測井數據計算得到反射系數與所述初始子波進行褶積得到正演地震記錄，與實際井旁道數據對比，進行井震標定匹配測井與地震尺度，再次提取子波。
25、完成反演：給定反演初始模型，利用所述公式一計算得到rp(θ)，將rp(θ)與再次提取的子波進行褶積得到正演地震記錄，與實際地震數據進行對比，計算殘差來迭代更新初始模型，達到指定迭代次數或殘差小于可接受范圍，得到地震反演剖面。
26、在一種可能的實現方式中，所述地震反演剖面為地震剖面縱波速度與橫波速度。
27、第二方面，本申請實施例提供了一種基于支持向量機的天然氣水合物飽和度地震定量預測裝置，包括：
28、數據采集模塊，用于獲取地震數據與相應的測井數據；
29、訓練模型模塊，用于根據所述測井數據，訓練得到水合物飽和度預測模型；
30、地震反演模塊，用于將所述地震數據進行疊前地震反演得到地震反演剖面；
31、估算飽和度模塊，用于將所述水合物飽和度預測模型應用于所述地震反演剖面，估算得到天然氣水合物飽和度。
32、第三方面，本申請實施例提供了一種電子設備，包括：
33、處理器；
34、存儲器；
35、以及計算機程序，其中所述計算機程序被存儲在所述存儲器中，所述計算機程序包括指令，當所述指令被所述處理器執(zhí)行時，使得所述電子設備執(zhí)行第一方面中任意一項所述的方法。
36、第四方面，本申請實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的程序，其中，在所述程序運行時控制所述計算機可讀存儲介質所在設備執(zhí)行第一方面中任意一項所述的方法。
37、在本申請實施例中，基于支持向量機算法的水合物飽和度計算方法能夠建立水合物飽和度和地震彈性參數之間的復雜映射關系，相比常規(guī)使用線性轉換或者巖石物理模型預測水合物飽和度的方法明顯提高了預測精度，在南海神狐海域的實際應用也取得了很好應用效果，預測出了薄層、低飽和度水合物，明顯提高了對水合物有利區(qū)的評價范圍，飽和度的準確預測對水合物新礦種的資源豐度和鉆井試采具有重要作用。
本文檔來自技高網...【技術保護點】
1.一種基于支持向量機的天然氣水合物飽和度地震定量預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述地震數據為需要估算水合物飽和度的疊前地震資料；
3.根據權利要求1所述的方法，其特征在于，訓練模型的樣本數據為{(xi,yi),i＝1,2,3,…,m}，其中，輸入數據xi是{Vp、Vs}曲線的隨機輸入值，表示二維空間的屬性向量；輸出數據yi是xi對應的預測目標值水合物飽和度Sh，m為樣本數。
4.根據權利要求3所述的方法，其特征在于，所述訓練模型包括：
5.根據權利要求1所述的方法，其特征在于，所述疊前地震反演采用公式一計算，所述公式一具體為：
6.根據權利要求5所述的方法，其特征在于，所述地震反演具體包括：
7.根據權利要求6所述的方法，其特征在于，所述地震反演剖面為地震剖面縱波速度與橫波速度。
8.一種基于支持向量機的天然氣水合物飽和度地震定量預測裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介
...【技術特征摘要】
1.一種基于支持向量機的天然氣水合物飽和度地震定量預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述地震數據為需要估算水合物飽和度的疊前地震資料；
3.根據權利要求1所述的方法，其特征在于，訓練模型的樣本數據為{(xi,yi),i＝1,2,3,…,m}，其中，輸入數據xi是{vp、vs}曲線的隨機輸入值，表示二維空間的屬性向量；輸出數據yi是xi對應的預測目標值水合物飽和度sh，m為樣本數。
4.根據權利要求3所述的方法，其特征在于，所述訓練模型包括：
5.根據權利要求1所述的方法，其...
【專利技術屬性】
技術研發(fā)人員：韓磊，劉俊州，朱成宏，王震宇，張金強，楊震，
申請(專利權)人：中國石油化工股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。