SVM算法在渤海湾盆地南堡凹陷火山岩储层流体预测中的应用

火山岩储层受岩相、岩性、储集空间类型等多因素影响,流体识别难度大,是测井解释的难题之一,亟需建立一种方便快捷识别方法。为此,针对渤海湾盆地南堡凹陷火山岩储层特征,采用机器学习的SVM(支持向量机)算法对未知储层进行流体预测。研究表明:①综合应用岩心、测井、录井等资料对流体敏感特征参数寻优,单信息敏感参数为声波时差、补偿密度、深侧向电阻率,多信息融合参数为自然伽马相对值、全烃比值、烃气密度指数、烃气湿度指数,以上7种参数参与模型建立;②使用SVM算法进行火山岩流体预测,将储层流体分为油层、油水同层和水层3类,选取测井、录井敏感参数,训练可靠样本库,预测库正判率达90%。SVM算法预测应用表明,SVM算法计算复杂程度低,泛化推广能力强,可快速识别火山岩流体性质,为油气成藏规律分析和地质储量动用开发提供可靠依据。