SA-SVM模型预测泥质含量研究

摘要

泥质含量计算的准确性直接影响解释储层、分析储层岩性的精确度。常规测井曲线解释泥质含量需要多种测井曲线相结合,工作效率低,不可控因素多。通过分析测井资料与泥质含量的相关性,选取自然电位、自然伽马、声波时差和密度测井为特征参数,运用模拟退火算法优化支持向量机回归模型中的超参数,提高算法全局搜索能力。利用测井资料数值进行训练测试,SA-SVM模型预测孔隙度训练集和测试集的均方根误差分别为0.080 5和0.065 9,而SA-SVM模型预测的准确度分别为0.901 2和0.965 7。结果表明:相较于SVM模型,SA-SVM模型训练集和测试集均方误差分别降低了5.5%和25.6%,泥质含量预测的准确性提高了3.9%和7.1%。模拟退火优化算法不仅支持向量机的最佳参数,而且有效地避免陷入局部极小点,扩大全局搜索空间。