Abstract

This article describes the use of machine learning algorithm (random forest) for the purposes of the forecast cube of elastic rock properties from seismic data and well logs, as well as the comparative result of its application in the conditions of the Cretaceous formation of Western Siberia.

Keywords

Seismic inversion, machine learning, elastic properties prediction,

Reference

  •  1) Ampilov Yu.P. Ot seysmicheskoy interpretacii k modelirovaniyu i ocenke mestorozhdeniy nefti i gaza. M.: OOO «Centralnoe izdatelstvo geofizicheskoy literatury» - «sPeKT», 2008. 385 s.

  •  2) Brink H., Richards D., Feverolf M. Mashinnoe obuchenie. SPb.: Piter. 2017, 336 s.

  •  3) Levyant V.B., Hromova I.Yu., Kozlov E.A. i dr. Metodicheskie rekomendacii po ispolzovaniyu dannyh seysmorazvedki dlya podscheta zapasov uglevodorodov v usloviyah karbonatnyh porod s poristostyu treschinno-kavernovogo tipa. CGE, Moskva, 2010, 250 s.

  •  4) Flah P. Mashinnoe obuchenie. Nauka i iskusstvo postroeniya algoritmov, kotorye izvlekayut znaniya iz dannyh. DMK press, 2015. 400 s.

  •  5) Yakovlev I.V., Ampilov Yu.P., Filippova K.E. Pochti vse o seysmicheskoy inversii. Chast 2 // Tehnologii seysmorazvedki. 2011. № 1. S. 5-15.

  •  6) Box G.E.P. and Cox D.R. An analysis of transformations, Journal of the Royal Statistical Society, Series B. Methodological. 1964. V. 26. P. 211-252.

  •  7) Breiman L. Random Forests Statistics Department University of California Berkeley, 2001. 33 p.

  •  8) Breiman L. and Friedman J.H. (1985). Estimating Optimal Transformations for Multiple Regression and Correlation (with discussion) J. Amer. Statist. Assoc. 80. 580 p.

  •  9) Hampson D.P., Russell B.H. and Bankhead B., 2005, Simultaneous inversion of pre-stack seismic data: Ann. Mtg. Abstracts, SEG. R. 1633-1637.

  •  10) Kobrunov A.I. and I.I. Priezzhev. Hybrid combination genetic algorithm and controlled gradient method to train a neural network // Geophysics. 2016. 81, no 4, IM35-IM43.

  •  11) Priezzhev I., Shmaryan L. and Bejarano G., 2008, Non-linear multi trace seismic inversion using neural network and genetic algorithm - Genetic Inversion: Annual Meeting St Petersburg, EAGE, Extended Abstracts.

  •  12) Russell B.H., Hampson D.P., 1991, A comparison of post-stack seismic inversion methods: 61st annual International Meeting, SEG, Expanded Abstracts. P. 876-878.

Прогноз кубов упругих свойств по данным сейсморазведки 3D и ГИС при помощи алгоритма «случайного леса»

Приезжев И.И. Егоров С.В.

Аннотация

В данной статье рассказывается про использование алгоритма машинного обучения («случайный лес») для целей прогноза кубов упругих свойств пород по сейсмическим данным и ГИС (геофизические исследования скважин), а также приведен сравнительный результат его применения в условиях меловых отложений Западной Сибири.

Ключевые слова

Сейсмическая инверсия, машинное обучение, прогноз упругих свойств,

Информация об авторах

Библиографическая ссылка

Приезжев И.И. Егоров С.В. Прогноз кубов упругих свойств по данным сейсморазведки 3D и ГИС при помощи алгоритма «случайного леса» // Геофизика. 2018. № 2. С. 10-16.

Список литературы

  •  1) Ампилов Ю.П. От сейсмической интерпретации к моделированию и оценке месторождений нефти и газа. М.: ООО «Центральное издательство геофизической литературы» - «сПеКТ», 2008. 385 с.

  •  2) Бринк Х., Ричардс Д., Феверолф М. Машинное обучение. СПб.: Питер. 2017, 336 с.

  •  3) Левянт В.Б., Хромова И.Ю., Козлов Е.А. и др. Методические рекомендации по использованию данных сейсморазведки для подсчета запасов углеводородов в условиях карбонатных пород с пористостью трещинно-кавернового типа. ЦГЭ, Москва, 2010, 250 с.

  •  4) Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. ДМК пресс, 2015. 400 с.

  •  5) Яковлев И.В., Ампилов Ю.П., Филиппова К.Е. Почти все о сейсмической инверсии. Часть 2 // Технологии сейсморазведки. 2011. № 1. С. 5-15.

  •  6) Box G.E.P. and Cox D.R. An analysis of transformations, Journal of the Royal Statistical Society, Series B. Methodological. 1964. V. 26. P. 211-252.

  •  7) Breiman L. Random Forests Statistics Department University of California Berkeley, 2001. 33 p.

  •  8) Breiman L. and Friedman J.H. (1985). Estimating Optimal Transformations for Multiple Regression and Correlation (with discussion) J. Amer. Statist. Assoc. 80. 580 p.

  •  9) Hampson D.P., Russell B.H. and Bankhead B., 2005, Simultaneous inversion of pre-stack seismic data: Ann. Mtg. Abstracts, SEG. Р. 1633-1637.

  •  10) Kobrunov A.I. and I.I. Priezzhev. Hybrid combination genetic algorithm and controlled gradient method to train a neural network // Geophysics. 2016. 81, no 4, IM35-IM43.

  •  11) Priezzhev I., Shmaryan L. and Bejarano G., 2008, Non-linear multi trace seismic inversion using neural network and genetic algorithm - Genetic Inversion: Annual Meeting St Petersburg, EAGE, Extended Abstracts.

  •  12) Russell B.H., Hampson D.P., 1991, A comparison of post-stack seismic inversion methods: 61st annual International Meeting, SEG, Expanded Abstracts. P. 876-878.