陕甘宁盆地中部马五4^1气层成岩相与有利储集区预测

陕甘宁盆地中部马五4^1气层成岩相主要包括准同生期近地表大气淋蚀次生孔隙相、成岩期浅埋次生孔隙相、表生期岩溶次生孔隙相、再埋藏早期次生孔隙相，再埋藏晚期次生孔隙相和复合型次孔隙相，不同类型成岩相的沉积学标志，地球化学特征，空间分布，演化序列和发育的控制因素不同，对气藏的最终形成所起的作用亦不同，其中，准同生期大气淋蚀次生孔隙相及成岩期浅埋次生孔隙相是形成气藏的基础，复合型次生孔隙相和表生期岩溶次生孔隙相是气藏的关键，再埋藏早期和晚期次生孔隙相是形成气藏的必要条件，诸类型成岩相的叠加和改造部位通常是气藏发育的是有利地区。

逐类组合支持向量机在致密储层判识和产能预测中的应用

针对致密储层判识和产能预测准确率低,提出一种新的建模方法——逐类组合支持向量机方法(TCSVM).首先应用支持向量分类机(SVC)实现储层类别判识,然后用支持向量回归机(SVR)建立气层产能预测模型,最后对未知储层进行判识和产能预测.该模型通过前期降噪、降维的属性优化,有效降低数据类别对储层判识的干扰,提高储层判识和气层产能预测的准确率.以陕甘宁盆地中部气田马五1气藏为例,选用19口井的92个已测试层位作为已知样本(其中78个训练样本,14个检验样本),以气层、含气层、干层、水层和产能赋值为目标,挑选与储层特征密切相关的10个特征参数作为输入变量,建立中部气田马五1气藏的储层判识模型和气层产能预测模型.检验结果表明:模型的预测误差较传统的建模方法和多项式自组织神经网络方法(MOSN)低,其中尤以主成分分析逐类组合支持向量机模型(PCA-TCS-VM)的预测误差最低(平均绝对误差为0.359,平均相对误差为0.036).表明逐类组合支持向量机方法减少数据类别对储层判识和产能预测的干扰,提高准确率,对油气勘探具有积极指导意义.