基于随机森林回归的地层压力预测方法与流程

1.本发明涉及油气勘探领域，具体涉及一种基于随机森林回归的地层压力预测方法。


背景技术：

2.地层压力是地层孔隙或裂缝中流体(油、气、水)所具有的压力。在油气勘探领域，地层压力预测可为钻井参数设计、井身结构设计、油气层保护等提供重要数据。目前主要包括三类方法：基于地震资料的方法、基于钻时资料的方法和基于测井资料的方法，其中最常采用的地震和测井两类地层压力预测方法都是基于泥岩欠压实理论。但是，基于地震层速度的预测方法，由于很难获取精确的速度参数，预测结果精度较低；基于测井资料的预测方法主要是对声波时差、电阻率、密度、中子及自然伽马等测井数据根据经验公式，如等效深度法、伊顿(eaton)公式法和鲍尔斯(bowers)等定量计算地层压力，预测结果精度较高，但是针对砂砾岩储层段等特殊地质目标体预测压力时误差较大。常规的地层压力预测方法均呈现出不同程度的适用范围限制和预测精度缺陷。
3.地层异常压力形成机理多种多样，不仅仅限于欠压实作用且存在诸如水热增压、构造挤压、断层作用、烃类生成和粘土矿物转化等其它影响因素。一般而言，异常高压地层表现为高孔隙率、低密度、低速度、低电阻率、低振幅属性、低频率属性等特点，地层压力与地震层速度及振幅类、频率类地震属性必然存在复杂的非线性相关关系。
4.中国专利申请cn107843927a公开了一种基于井震联合速度的页岩地层压力预测方法，该方法包括以下步骤：获取地震层速度；求取改进的地震层速度；基于改进的地震层速度计算地层压力；求取校正压力系数，根据校正压力系数对地层压力进行校正。该发明在fillippone压力预测经验公式的基础上，选择拟声波曲线反演层速度，从而获得更能够反映实际地层岩性的改进层速度，利用改进层速度计算出的地层压力更加合理。
5.中国专利申请cn110927790a公开了一种基于叠前弹性参数的反演地层压力预测方法，该方法包括：基于叠前地震数据进行反演，获得弹性参数；基于检波点地表高程数据，计算上覆地层压力与静水压力；根据弹性参数、上覆地层压力与静水压力，计算地层压力与地层压力系数。该发明从叠前地震数据出发，通过叠前地震反演获得岩石弹性参数，基于压力预测模型，实现地层压力及压力系数钻前预测，不受异常压力形成机制影响，能够更好的适应不同类型的储层，并且叠前地震反演得到的弹性参数比常规处理获得的速度谱数据精度更高，计算得到的地层压力精度相应的也会更高。
6.中国专利申请cn111060986a公开了一种地层压力预测方法，该方法通过对声波测井数据、密度测井数据与地震子波数据进行褶积得到初始的合成地震记录，根据vsp测井数据对初始的合成地震记录进行标定得到标定后的合成地震记录；根据初始的合成地震记录和校正的合成地震记录确定声波时差的校正系数；根据目的层段的已知井的测井资料确定校正系数，并对声波测井曲线进行校正，将校正结果结合三维地震资料通过反演方法得到层速度数据体，可以精确地实现对钻井位置之外的区域、或层位的层速度的确定，进而使得
地层压力的预测更加精准，最终根据地层压力得到的含油气评价结果更加准确。
7.现有方法虽然能够实现地层压力预测，但是往往需考虑地层结构及岩性序列等地质背景，预测流程复杂，因此，目前仍需要一种更为简单、有效的地层压力预测方法。


技术实现要素：

8.本发明主要目的是提供一种基于随机森林回归的地层压力预测方法。本发明方法能够准确地预测地层压力，方法步骤更为简单，拥有较强的泛化能力及更快的计算速度，具有现实的推广应用意义。
9.为实现上述目的，本发明采用以下技术方案：
10.本发明提供一种基于随机森林回归的地层压力预测方法，其包括以下步骤：
11.步骤1，计算地震层速度及各类地震属性，将计算结果转换到深度域，提取井点地震层速度曲线及各类地震属性曲线；
12.步骤2，构建地震层速度及多地震属性标签样本库；
13.步骤3，基于随机森林的样本训练，建立特征矩阵，样本参数优化；
14.步骤4，构建随机森林回归决策树，利用学习结果预测得到研究区的地层压力数据体。
15.进一步地，在步骤1中，计算地震属性的种类包括均方根振幅、绝对振幅、反射强度、振幅包络、瞬时振幅、瞬时频率、响应频率、弧长等与地层压力有关的地震属性。
16.进一步地，在步骤1中，在速度横向变化较大的地区，需建立工区的平均速度场，利用平均速度场进行时深转换；在速度横向变化不大的地区，可利用工区统一的时深曲线进行时深转换；时深转换后，从深度域的地震层深度及各类地震属性数据体中提取出井点处的曲线。
17.进一步地，在步骤2中，构建地震层速度及多地震属性标签样本库，生成基于少数标准井的包括地震层速度、地震属性类型、深度、幅值及地层压力值的训练数据集，其中标准井选取原则主要为区内钻遇深度大且尽可能涵盖地层及岩性序列发育齐全的井；标准井的地层压力曲线为采用经典方法预测生成的地层压力曲线。
18.进一步地，在步骤3中，基于随机森林的样本训练，建立特征矩阵，样本参数优化；在样本训练阶段，使用随机重复采样技术从训练样本库中采集多个不同的样本来依次训练多个不同决策树，以地层压力作为因变量，深度、属性及幅值等为自变量做回归分析，设定数的数量，计算特征权重，并不断优化调整随机森林训练参数，来增加最终模型预测结果的鲁棒性和稳定性。
19.更进一步地，某一节点k的特征权重计算公式为：
20.nk＝wk*g
k-w
left
*g
left-w
right
*g
right
21.其中，wk，wleft，wright分别为节点k以及其左右子节点中训练样本个数与总训练样本数目的比例，gk，gleft，gright分为为节点k以及其左右子节点的不纯度；知道每一个节点的重要性之后，即可通过下式得出某一属性的特征权重：
22.23.为了使所有特征权重加起来为1，需要每一特征权重进行标准化，即公式
[0024][0025]
具体地，训练过程具体步骤如下：
[0026]
①
设训练样本为t＝{x,y}，其中x为地震属性特征值组成的训练数据集合，y为压力预测结果；
[0027]
②
从训练样本t中进行随机采样，生成多个训练集ti，构建多个决策树t
ri
；
[0028]
③
从特征值中随机选取部分特征fj，完成随机森林的构建；
[0029]
④
根据训练样本集和对应的标签数据，优化步骤
②
、
③
随机森林中的关键参数，获得地层压力预测模型。
[0030]
进一步地，在所述步骤4中，构建随机森林回归决策树，利用学习结果预测得到研究区的地层压力数据体；在预测阶段，随机森林将内部多个决策树的预测结果取平均得到最终的结果。
[0031]
更进一步地，在预测阶段，采用的原则是最小均方差，即对于任意划分特征a，对应的任意划分点s两边划分成的数据集d1和d2，求出使d1和d2各自集合的均方差最小，同时d1和d2的均方差之和最小所对应的特征和特征值划分点，其表达式为：
[0032][0033]
其中，yi是输出值，c1为d1数据集的样本输出均值，c2为d2数据集的样本输出均值。
[0034]
进一步地，在步骤4中，某一深度地层压力决策树的预测具体步骤如下：
[0035]
(1)针对某一输入样本，从决策树的根节点起，判断当前节点是否为叶子节点，如果是则返回叶子节点的预测值，如果不是则进入下一步；
[0036]
(2)根据当前节点的切分变量的和切分值，将样本中对应变量的值与节点的切分值对比；如果样本变量值小于等于当前节点切分值，则访问当前节点的左子节点；如果样本变量值大于当前节点切分值，则访问当前节点的右子节点；
[0037]
(3)循环步骤2，直到访问到叶子节点，并返回叶子节点的预测值。
[0038]
与现有技术相比，本发明具有以下优势：
[0039]
在不需考虑地层结构及岩性序列等地质背景前提下，基于随机森林的强大非线性相关关系表征能力，本发明提出一种基于随机森林回归的地层压力预测方法，充分利用研究区井孔处地震层速度及各类地震属性进行随机森林训练，获取关联地震层速度、地震属性与地层压力的高层特征矩阵，然后构建随机森林回归决策树，开展研究区的地层压力预测，快速得到研究区的地层压力数据体。
[0040]
本发明方法改变了基于地质理论的复杂预测流程，预测速度快且精度高，与目前经典的预测方法相比较大大降低了工作量，本发明方法可有效应用于油气勘探领域中地层压力预测方面，并且具有现实的推广应用意义。
附图说明
[0041]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0042]
图1为本发明一具体实施例所述基于随机森林回归的地层压力预测方法流程图；
[0043]
图2为本发明一具体实施例所述地震标签样本库示意图；
[0044]
图3为本发明一具体实施例所述某地区基于随机森林回归的地层压力预测结果平面示意图；
[0045]
图4为本发明一具体实施例所述某地区基于随机森林回归的地层压力预测结果剖面示意图。
具体实施方式
[0046]
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
[0047]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作和/或它们的组合。
[0048]
为了使得本领域技术人员能够更加清楚地了解本发明的技术方案，以下将结合具体的实施例详细说明本发明的技术方案。
[0049]
实施例1
[0050]
如图1所示，所述基于随机森林回归的地层压力预测方法包括以下步骤：
[0051]
步骤1，计算地震层速度及各类地震属性，将计算结果转换到深度域，提取井点地震层速度曲线及各类地震属性曲线。本案例中以西部某三维地震工区的地层压力预测为例，地震层速度由地震反演得到，地震属性选取了均方根振幅、绝对振幅、反射强度、瞬时振幅、瞬时频率、响应频率、弧长。由于研究区速度横向变化不大，选取研究区内深度最大的一口井的时深曲线将地震层速度和各类地震属性转换到深度域。提取了工区内各井的地震层速度及各地震属性曲线。
[0052]
步骤2，构建地震层速度及多地震属性标签样本库,生成基于少数标准井的包括地震层速度、地震属性类型、深度、幅值及地层压力值的训练数据集，根据工区内钻遇深度大且尽可能涵盖地层及岩性序列发育齐全的标准选取了标准井，构建了地震层速度、各地震属性及地层预测压力对应的标签样本库。其中，标准井的地层压力曲线为采用经典方法预测生成的地层压力曲线。
[0053]
步骤3，基于随机森林的样本训练，采用主成分分析方法建立相关系数矩阵，计算特征权重，优化样本参数；在样本训练阶段，使用随机重复采样技术从训练样本库中采集多个不同的样本来依次训练多个不同决策树，以地层压力作为因变量，深度、属性及幅值等为自变量做回归分析，设定数的数量，计算矩阵相关系数及特征权重，并不断优化调整随机森林训练参数，包括决策树个数、特征属性个数及递归次数等。本案例中选取了地震层速度、均方根振幅、反射强度、瞬时频率、响应频率、弧长和商业软件预测好的压力系数7种曲线，
通过建立相关系数矩阵计算开展主成分分析优选了地震层速度、均方根振幅、瞬时频率和弧长四种变量作为主成分变量。
[0054]
步骤4，构建随机森林回归决策树，利用学习结果预测得到工区的地层压力数据体，图3和图4是根据训练结果预测的地层压力结果的平面和剖面示意图，由此可知，本发明所述基于随机森林预测的地层压力结果准确合理，证实了基于随机森林预测结果的准确性。
[0055]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。