摘要
给出利用测井数据预测渗透率的方法,该方法使用非参数回归技术和多变量统计分析技术分两步完成。首先,采用主成分分析(PCA)、基于模型的聚类分析(MCA)和判别分析的组合方法,将测井数据划分成不同的电相。这种划分仅依据测井测量反映的矿物和岩相特征,而不需要任何人工干预。然后,在每一类电相中应用非参数回归技术预测渗透率。这里检验了三种非参数回归技术,即交错条件期望法(ACE)、广义加法模型(GAM)和神经网络(NNET),探讨了每种方法的优点和不足。将这一技术用于Permian盆地中的一个具有强烈非均质性的碳酸盐岩储层的Salt Greek油田单元,并将预测结果同另外三种分别基于分层、岩相、流动单元分类法的渗透率预测结果进行了比较。对非取心井数据的预测结果所做的判别分析误差率检验表明,基于电相的数据分类方法要优于其它方法。对于渗透率预测而言,ACE方法要优于其它方法。