支持向量机在缝洞型碳酸盐岩油藏堵水决策的研究应用
摘要:
塔河油田是典型的缝洞型碳酸盐岩油藏,储集体非均质性强,油水界面不清楚,出水量大,堵水效果整体较差。现有堵水工艺堵水有效率仍较低,需要进行技术集成。根据缝洞型碳酸盐岩油藏的储层特征,建立堵水井生产概念模型,从油藏地质因素、油藏开发状况和工程工艺三方面总结影响堵水效果的11个因素,对影响堵水效果的各类因素采用均值和均方差的处理方法,优选出影响堵水效果的主要因素。采用支持向量机方法建立塔河油田奥陶系油井堵水效果预测模型,并对8口井进行实例预测,符合率达到87%。对于塔河油田有限的堵水样本,利用支持向量机方法进行堵水决策具有较高的精度,可以用来指导塔河油田的堵水选井选层工作。
文章引用：吴亚红, 田西山, 王黎, 李博媛, 林鑫. 支持向量机在缝洞型碳酸盐岩油藏堵水决策的研究应用[J]. 石油天然气学报, 2015, 37(3&4): 34-37.
参考文献
|
[1]
|
秦飞,吴文明,杨建清,等. 塔河油田堵水选井选层因素分析及方法探讨[J]. 西南石油大学学报(自然科学版),2013,35 (6):121~126.
|
|
[2]
|
王建云. 塔河油田奥陶系碳酸盐岩油藏堵水工艺技术浅谈[J]. 新疆石油天然气,2005,1 (2):73~79.
|
|
[3]
|
李宗宇. 塔河奥陶系缝洞型碳酸盐岩油藏开发对策探讨[J]. 石油与天然气地质,2007,28 (6):856~862.
|
|
[4]
|
Vapnik V. The nature of Statistical learning theory [M] .NewYork: Springer,1995: 10~45.
|
|
[5]
|
Vapnik V.Statistical learning theory [M] . New York: John Wiley&SonsInc,1998.
|
|
[6]
|
孟庆民,孙辉,刘太昂,等. 碳酸盐岩油藏堵水工艺有效性预测研究[J]. 计算机与应用化学,2011,28(6):754~756.
|
|
[7]
|
荣元帅,高艳霞,李新. 塔河油田碳酸盐岩缝洞型油藏堵水效果地质影响因素[J]. 石油与天然气地质,2011,32 (54):940~945.
|
|
[8]
|
谭承军,朱伟,马旭杰. 塔河碳酸盐岩洞缝型油藏堵水效果评价方法初探[J]. 新疆地质,2004,22 (1):99~102.
|
|
[9]
|
Chapelleo, Vapnikv, Basquesto, et al. Choosing multiple parameters for support vector machines [J] . Machine Learning, 2002, 46(1): 131~159.
|
|
[10]
|
Duankb, Keerthiss, Pooan.Evaluation of simple performance measures for tuning SVM hyperparameters [J] . Neurocomputing, 2003, 51: 41~59.
|
|
[11]
|
邬啸,魏延,吴瑕. 基于混合核函数的支持向量机[J]. 重庆理工大学学报(自然科学版),2011,25 (10):66~70.
|
|
[12]
|
Kohavi R.A study of cross-validation and bootstrap for accuracy estimation and model selection [A] . Tom B C. Proc 14th Joint Int Conf Artificial Intelligence [C] .USA: IEEE, 1995, 1137~1145.
|
|
[13]
|
牛晓太. 基于KNN算法和10折交叉验证法的支持向量选取算法[J]. 华中师范大学学报(自然科学版),2014,48 (3):335~338
|