基于机器学习的复杂储层微小断裂系统识别方法研究与应用

摘要

针对复杂断裂储层分布规律复杂、横向特征变化剧烈、微小断裂识别难的问题,结合各向异性岩石物理模型的微观特征和断裂敏感属性的宏观特征,开展了基于机器学习的复杂储层微小断裂系统特征预测方法研究.根据断裂系统的发育规律建立复杂储层各向异性岩石物理模型,预测井位处的各向异性参数,计算各向异性梯度并将其作为微小断裂系统指示因子;从叠后地震数据中提取构造类地震属性并进行优化处理,运用相关聚类算法优选微小断裂系统属性集;选取已知井点处的微小断裂系统属性集和微小断裂系统指示因子作为训练数据,利用机器学习(支持向量机)算法建立敏感属性集与微小断裂系统指示因子的非线性映射关系,实现复杂储层微小断裂系统特征的准确刻画.四川盆地某工区碳酸盐岩复杂断裂储层预测结果表明,预测的微小断裂系统发育规律符合研究工区的地质认识,并且与测井资料解释结果吻合程度较高,为复杂储层的微小断裂系统识别提供了有效的技术手段.