基于FSVM的储层岩性预测方法、装置、设备及介质与流程

本发明涉及油气及煤层气地震勘探与开发领域，更具体地，涉及一种基于fsvm的储层岩性预测方法、装置、设备及介质。

背景技术：

1、在石油、煤炭等地下沉积矿产的勘探开发中，岩性研究具有极为重要的意义。然而，由于目的层深埋于地下，因此所采用的研究手段和研究方法与露头区的岩性研究相比有很大不同。

2、在地下岩性分析中只有通过岩石资料才能够观察到目的的岩性标志，而钻井取心一般都不是连续进行的，并且一口探井的全井取心率往往只有百分之几到百分之十几，这给岩性空间展布研究造成很大困难。利用测井资料进行岩性分析虽可对全井做出连续的岩性解释，但其多解性较强，因此除上述两种资料外，还迫切需要从其它资料中获取更多的信息以提高岩性解释的准确性。

3、更重要的是，即使单井岩性分析的资料足够充分，但采用传统研究方法所得到的毕竟只是一部分信息，而如地层叠置模式、沉积体外形等重要信息并没有利用。进一步看，即使解释完全正确，但毕竟只是“一孔之见”。要想进一步掌握岩性的平面展布特征就必须有大量的足够密集的钻孔，而这在勘探阶段恰恰难以满足。因此迫切需要一种仅用少量钻孔就能较好地掌握岩性平面变化特征的新手段、新方法。

4、地震储层岩性预测正是为满足上述迫切需要而产生的。在石油勘探及某些煤田、盐矿勘探中，地震勘探资料是必不可少的重要基础资料。这些资料一般在勘探初期就可获得，且一般都能覆盖整个盆地，其中具有极为丰富的地层、构造和沉积相信息，因此是地下地质分析中极为宝贵的基础资料。

5、传统的地震储层岩性预测是以地震资料为基础，在地质原理指导下，用钻井、测井资料进行约束，研究含油气储层的岩性、储层物性空问变化特征的。在具体实现上有两种方法：一种是是以地震反演为基础，利用测井数据的交会分析，优选对目标储层段岩性敏感的敏感弹性属性并构建以岩性为分类目标的分类准则或者标准；然后利用地震反演结果计算所述敏感弹性参数，并利用所述分类标准或者准则，获得岩性空间分布特征。这种方法需要在交会分析阶段确定分类准则或者标准，例如阈值。另一种是以波阻抗反演结果为基础，结合岩性概率进行地质统计分析得到变差函数，再用此变差函数做指示模拟得到空间上岩性的分布，这种方法本质上是用统计图的方式获得分类准则或标准。无论哪种方式都是通过人机交互的方式，函数类型以及函数关系和阈值等参数一旦确定，就是确定性的，即分类结果是非此即彼，与实际情况不符。

6、因此，有必要开发一种基于fsvm的储层岩性预测方法、装置、设备及介质。

7、公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提出了一种基于fsvm的储层岩性预测方法、装置、设备及介质，其能够以地震反演为基础，利用模糊支持矢量机算法实现储层岩性预测，从而实现利用地震资料来刻画岩性空间分布规律。

2、第一方面，本公开实施例提供了一种基于fsvm的储层岩性预测方法，包括：

3、建立基于弹性参数的训练样本数据；

4、确定所有训练样本数据对应的岩性类别；

5、根据所述训练样本数据以及对应的岩性类别训练模糊支持矢量机；

6、计算目标弹性参数数据体，将所述目标弹性参数数据体输入所述模糊支持矢量机，获得对应的岩性类别预测结果。

7、优选地，每组训练样本数据包括纵波速度、横波速度、密度、纵波阻抗、横波阻抗、纵横波速度比、拉梅常数与密度的乘积λρ、μρ、泊松比、弹性波阻抗。

8、优选地，根据所述训练样本数据以及对应的岩性类别训练模糊支持矢量机包括：

9、基于每组训练样本数据以及对应的岩性类别yi，形成训练数据集其中，si表示属于yi的程度；

10、设定yi∈{-1,1}，分别表示是否属于yi，分别计算yi＝1以及yi＝-1的分布半径与si；

11、通过训练数据集获得分类函数使得yi＝1时，yi＝-1时，

12、针对每一种岩性类别均重复上述步骤，获得每一种岩性类别对应的分类函数。

13、优选地，通过公式(1)计算si：

14、

15、其中，m+为yi＝1时的类中心均值，m-为yi＝-1时的类中心均值，r+为yi＝1时的分布半径，r-为yi＝-1时的分布半径，ε为除数参量。

16、优选地，通过公式(2)计算分布半径：

17、

18、其中，m+为yi＝1时的类中心均值，m-为yi＝-1时的类中心均值，r+为yi＝1时的分布半径，r-为yi＝-1时的分布半径。

19、优选地，所述分类函数为：

20、

21、其中，为核函数，ξi为松弛变量，w、b为参量。

22、优选地，将所述目标弹性参数数据体输入所述模糊支持矢量机，获得对应的岩性类别预测结果包括：

23、将所述目标弹性参数数据体输入所述模糊支持矢量机中每一种岩性类别对应的分类函数，计算得到的最大函数值对应的岩性类别即为对应的岩性类别预测结果。

24、作为本公开实施例的一种具体实现方式，

25、第二方面，本公开实施例还提供了一种基于fsvm的储层岩性预测装置，包括：

26、样本模块，建立基于弹性参数的训练样本数据；

27、分类模块，确定所有训练样本数据对应的岩性类别；

28、训练模块，根据所述训练样本数据以及对应的岩性类别训练模糊支持矢量机；

29、预测模块，计算目标弹性参数数据体，将所述目标弹性参数数据体输入所述模糊支持矢量机，获得对应的岩性类别预测结果。

30、优选地，每组训练样本数据包括纵波速度、横波速度、密度、纵波阻抗、横波阻抗、纵横波速度比、拉梅常数与密度的乘积λρ、μρ、泊松比、弹性波阻抗。

31、优选地，根据所述训练样本数据以及对应的岩性类别训练模糊支持矢量机包括：

32、基于每组训练样本数据以及对应的岩性类别yi，形成训练数据集其中，si表示属于yi的程度；

33、设定yi∈{-1,1}，分别表示是否属于yi，分别计算yi＝1以及yi＝-1的分布半径与si；

34、通过训练数据集获得分类函数使得yi＝1时，yi＝-1时，

35、针对每一种岩性类别均重复上述步骤，获得每一种岩性类别对应的分类函数。

36、优选地，通过公式(1)计算si：

37、

38、其中，m+为yi＝1时的类中心均值，m-为yi＝-1时的类中心均值，r+为yi＝1时的分布半径，r-为yi＝-1时的分布半径，ε为除数参量。

39、优选地，通过公式(2)计算分布半径：

40、

41、其中，m+为yi＝1时的类中心均值，m-为yi＝-1时的类中心均值，r+为yi＝1时的分布半径，r-为yi＝-1时的分布半径。

42、优选地，所述分类函数为：

43、

44、其中，为核函数，ξi为松弛变量，w、b为参量。

45、优选地，将所述目标弹性参数数据体输入所述模糊支持矢量机，获得对应的岩性类别预测结果包括：

46、将所述目标弹性参数数据体输入所述模糊支持矢量机中每一种岩性类别对应的分类函数，计算得到的最大函数值对应的岩性类别即为对应的岩性类别预测结果。

47、第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

48、存储器，存储有可执行指令；

49、处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的基于fsvm的储层岩性预测方法。

50、第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的基于fsvm的储层岩性预测方法。

51、本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。