[發明專利]基于樸素貝葉斯分類的地震巖相預測方法和裝置

在審

• 申請號: 201610391119.5
• 申請日: 2016-06-03
• 公開（公告）號: CN107462927A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 楊勤林;田建華;朱博華;曹少蕾;李洋;董清源;鄭連弟;劉瑞紅
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司石油物探技術研究院
• 主分類號: G01V1/50
• 分類號: G01V1/50
• 代理公司: 北京思創畢升專利事務所11218
• 代理人: 孫向民,廉莉莉

技術領域

本發明涉及地震儲層預測領域，更具體地，涉及一種基于樸素貝葉斯分類的地震巖相預測方法和一種基于樸素貝葉斯分類的地震巖相預測裝置。

背景技術

利用地震屬性進行巖相預測，國內外不少學者提出相應研究方法，包括多屬性聚類分析、多參數交匯及神經網絡預測等，但缺少巖石物理理論支撐及對預測結果不確定性分析，其預測準確度難以令人滿意。

發明內容

本發明提出了一種能夠更準確地進行地震巖相預測的方法，本發明還提出了相應的裝置。

根據本發明的一個方面，公開了一種基于樸素貝葉斯分類的地震巖相預測方法，該方法包括：基于研究區地質沉積特點和測井曲線特征，確定巖相劃分方案，并通過測井交匯和統計分析從所述多種彈性參數中選擇對巖相特征敏感的一個或多個彈性參數；基于測井的所述巖相特征和所述一個或多個彈性參數進行樸素貝葉斯分類統計，以確定在各種巖相特征下的所述一個或多個彈性參數的條件概率分布；基于待預測工區疊前地震分角度疊加數據反演得到待預測工區的所述一個或多個彈性參數；基于所述條件概率分布和待預測工區的所述一個或多個彈性參數，得到待預測工區的巖相的空間分布。

根據本發明的另一方面，還公開了一種基于樸素貝葉斯分類的地震巖 相預測裝置，該裝置包括：測井分析單元，用于基于研究區地質沉積特點和測井曲線特征，確定巖相劃分方案，并通過測井交匯和統計分析從多種彈性參數中選擇對巖相特征敏感的一個或多個彈性參數；概率確定單元，用于基于測井的所述巖相特征和所述一個或多個彈性參數進行樸素貝葉斯分類統計，以確定在各種巖相特征下的所述一個或多個彈性參數的條件概率分布；工區分析單元，用于基于待預測工區疊前地震分角度疊加數據反演得到待預測工區的所述一個或多個彈性參數；工區巖相預測單元，用于基于所述條件概率分布和待預測工區的所述一個或多個彈性參數，得到待預測工區的巖相的空間分布。

本發明的各個方面，以巖石物理分析和彈性參數反演為基礎，采用樸素貝葉斯分類統計對巖性、流體等進行預測，降低儲層預測多解性，能夠實現準確的地震巖相預測。本發明在巖相預測方面，至少具有以下優點：

(1)貝葉斯統計方法將彈性參數屬性看做一個隨機變量，充分考慮它的隨機特征，這是與經典統計學的根本區別；

(2)利用少量井點處信息，將地震數據看成似然函數的形式，進而推斷出巖相體的分布，適合于小樣本情況，具有很強的適用性；

(3)可對多種屬性進行分類統計，屬性個數不受限制，每個屬性都參與具體的分布運算，克服單一屬性預測多解性；

(4)利用井點處先驗信息來推斷后驗分布，針對不同巖相疊置問題，采用概率分布思想進行分類更為科學，降低人為誤差，同時能應用在巖性、物性及含氣性等預測方面；

(5)便于對預測結果的不確定性進行定量評價

附圖說明

通過結合附圖對本發明示例性實施方式進行更詳細的描述，本發明的上述以及其它目的、特征和優勢將變得更加明顯，其中，在本發明示例性 實施方式中，相同的參考標號通常代表相同部件。

圖1示出了樸素貝葉斯分類模型的結構圖。

圖2示出了根據本發明的一個實施例的基于樸素貝葉斯分類的地震巖相預測方法的流程圖。

圖3示出了某示例的測井巖相及彈性參數曲線柱狀圖；

圖4示出了該示例中不同巖相彈性參數變化特征對比圖；

圖5示出了該示例中測井樣點巖相條件概率分布；

圖6(a)～(c)示出了該示例中不同角度的疊加剖面；

圖7(a)～(b)示出了該示例中的疊前反演彈性屬性剖面；

圖8(a)～(b)示出了不同巖相及含氣砂巖概率剖面圖；

圖9示出了巖相預測體沿層切片。

具體實施方式

下面將參照附圖更詳細地描述本發明的優選實施方式。雖然附圖中顯示了本發明的優選實施方式，然而應該理解，可以以各種形式實現本發明而不應被這里闡述的實施方式所限制。

此處，先對本發明的基本原理進行簡單介紹。

樸素貝葉斯分類器是一種應用基于獨立假設的貝葉斯定理的簡單概率分類器，更精確地來說這種潛在的概率模型為獨立特征模型。貝葉斯分類方法以貝葉斯理論為基礎，根據訓練集中各個類別樣本的分布情況分別計算其屬于各個類別的后驗概率，然后將該樣本的類別判斷為最大后驗概率所對應的類別。貝葉斯公式可寫成如下形式：

其中，P(y|x)為后驗概率分布，P(y)為先驗分布，P(x)通常為常數。