一种基于高斯过程机器学习的地震水库渗透率预测方法

《Scientific Reports》：A seismic reservoir permeability prediction approach based on gaussian process machine learning

　　

摘要

利用地震属性预测渗透率是一项具有挑战性的任务，且存在很大的不确定性。需要准确建立渗透率与地震属性之间的反比关系，这种关系可以视为两者之间的桥梁。机器学习，尤其是高斯过程（GP），为这一问题提供了新的解决方案。然而，其在渗透率预测中的应用受到输入特征的数量和质量的影响。本研究提出了一种基于高斯过程的渗透率预测集成方法。该方法能够从三个弹性属性自动生成222个扩展特征用于GP训练。此外，还采用了合成少数样本过采样技术来克服样本不平衡带来的问题。借助基于Shapley值的特征重要性度量方法，可以优先选择对渗透率预测至关重要的特征。在中国西部的一个白云石储层上的验证实验表明，该方法能够提升高斯过程在渗透率预测中的性能。