第30卷第1期油气地质与采收率Vol.30,No.12023年1月PetroleumGeologyandRecoveryEfficiencyJan.2023—————————————收稿日期：2021-12-07。作者简介：田建华（1974—），男，湖北天门人，高级工程师，硕士，从事地震、地质综合研究工作。E-mail:tianjh.swty@sinopec.com。通信作者：朱博华（1987—），男，江苏南通人，高级工程师，硕士。E-mail:zhubh.swty@sinopec.com。基金项目：中国石化科技攻关项目“顺北深层断溶体油藏描述及可采储量定量表征”（P21064-1）。文章编号：1009-9603（2023）01-0086-07DOI：10.13673/j.cnki.cn37-1359/te.202112047基于井控多属性机器学习的缝洞型储层预测方法田建华1，朱博华1，卢志强2，冉琦1，张胜寒1，高睿语1，陈海洋1（1.中国石化石油物探技术研究院，江苏南京211103；2.中国石化西北油田分公司勘探开发研究院，新疆乌鲁木齐830011）摘要：碳酸盐岩缝洞体具有强非均质性特征，单一地震属性预测和常规地震属性融合方法未考虑钻井过程中放空、漏失等信息，预测误差较大。基于实钻井井震标定，将放空漏失点属性特征作为约束条件，提出基于井控多属性机器学习的缝洞型储层预测方法，实现缝洞体精细预测。首先根据实钻井井震标定结果，提取漏失点位置的不同敏感地震属性值作为数据输入数组，根据漏失点特征定义的储层类型作为输出数组，形成训练集数据；然后基于支持向量机（supportvectormachines，SVM）方法，对训练集数据进行模型训练，得到符合先验信息的井震一致的预测模型；最后将该模型应用于塔里木盆地顺北地区奥陶系缝洞型储层预测。结果表明该方法能很好地反映真实储层类型特征，与钻井特征有很高的吻合度。关键词：缝洞体；井控约束；地震属性；机器学习；储层精细分类中图分类号：TE319文献标识码：AFracture-cavityreservoirpredictionbasedonwell-controlledmulti-attributemachinelearningTIANJianhua1，ZHUBohua1，LUZhiqiang2，RANQi1，ZHANGShenghan1，GAORuiyu1，CHENHaiyang1（1.SINOPECGeophysicalResearchInstitute，NanjingCity，JiangsuProvince，211103，China；2.ExplorationandProductionResearchInstitute，SINOPECNorthwestOilfieldCompany，Urumqi，Xinjiang，830011，China）Abstract：Carbonatefracture-cavityreservoirsarecharacterizedbystrongheterogeneity.Singleseismicattributepredic⁃tionandconventionalseismicfusionmethodsdonottakeadditionalinforma...
