贝叶斯机器学习在储层预测中的应用研究

• 作者: 廖娟 彭达 符志国 陈康 龙隆
• 来源期刊: 物探化探计算技术
• 学科: 地球科学
• 关键词: 机器学习 贝叶斯 分类 径向基网络 储层预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 地震勘探
• 页码范围: 345-351
• 页数: 7页
• 分类号: P631.4
• 字数: 3488字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2020.03.07

摘要

石油勘探面临的油气储集地质环境日趋复杂,当目标储层与多种岩性地质体混杂时,人工分辨困难,也难以定量化评估判别精度,取得最佳识别结果.针对此问题引入贝叶斯机器学习算法进行自动化目标判别.其中,提出了采用径向基神经网络估计先验分布概率密度,不再假设先验分布模型,增强了贝叶斯分类方法的实用性,替代了人工处理工序,实现了储层目标的高精度、定量、自动化判别.应用于油田地震勘探资料进行实际储层预测,判别结果与工业气井吻合,表明了方法可行、有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖娟	中国石油集团东方地球物理勘探有限责任公司西南物探研究院	4	0	0.0	0.0
2	陈康	中国石油集团西南油气田分公司勘探开发研究院	20	109	3.0	10.0
3	龙隆	中国石油集团西南油气田分公司勘探开发研究院	5	3	1.0	1.0
4	彭达	中国石油集团西南油气田分公司勘探开发研究院	2	0	0.0	0.0
5	符志国	中国石油集团东方地球物理勘探有限责任公司物探技术研究中心成都分中心	3	3	1.0	1.0