关键词：火山岩;岩性划分;储层;岩石物理测井;多元回归分析;人工神经网络;支持向量机
摘 要：提出了用9种火山岩的岩石类型描述火山岩储层岩性的模型,表达岩性对优质储层的控制作用.基于该模型,选取了对火山岩的岩性、组构、成因和孔隙结构反应灵敏的15种岩石物理测井参数,分别采用多元回归分析(MRA)、人工神经网络(ANN)和支持向量机(SVM)3种机器学习算法,尝试火山岩岩性的识别.在三塘湖盆地马朗凹陷牛东油田的实例中,使用了3口井的数据,其中N9-10并和N9-19并的火山岩储层为学习样本,N8-10并的火山岩储层为预测样本.利用N9-10井1361个样本和N9-19井881个样本(每个样本含15种测井参数及岩性),通过这3种机器学习算法分别获得预测火山岩岩性的知识；然后,利用N8-10井961个样本(每个样本仅含15种测井参数),根据上述学习获得的知识,得到这961个样本的岩性.研究发现:对于学习样本,MRA、ANN和SVM的计算与实际的平均相对误差绝对值分别为51.84％,48.66％和0；对于预测样本,则分别为52.44％,46.31％和6.30％.实例分析表明,只有SVM适用于本实例,这是由于火山岩岩性与15种岩石物理测井参数的非线性关系十分强烈.