JP2014535044A5 - - Google Patents

Claims (27)

1. 地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングし、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成するための、コンピュータ実施方法であって、
   （ａ）前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
   （ｂ）前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
   （ｃ）地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
   （ｄ）サポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
   （１）カーネルパラメーター値とペナルティーパラメータ値の対を有する動径基底カーネル関数対に対して、地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証するステップと、
   （２）相互検証した各サブセットの誤差関数を形成するステップと、
   （３）前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対して誤差関数を形成するステップと、
   を実行することによって、選択するステップと、
   （ｅ）前記複数の異なる動径基底カーネル関数対に対して前記形成された誤差関数の最小誤差関数を決定することによって、前記選択された形成属性パラメータを最適化するステップと、
   （ｆ）前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および前記複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
   （ｇ）前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
   （ｈ）前記トレーニング入力の前記サポートベクターモデリングに基づいて前記貯留層特性を予測するステップと、
   （ｉ）前記予測された貯留層特性の出力表示を形成するステップと、
   の前記コンピュータ処理ステップを含む、方法。
2. 前記コンピュータは、グラフ表示デバイスを含み、さらに、
   前記予測された貯留層特性の記録の記憶
   を含む、請求項１に記載のコンピュータ実施方法。
3. 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項１に記載のコンピュータ実施方法。
4. 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項１に記載のコンピュータ実施方法。
5. 前記トレーニング入力データの前記地下属性は、振幅、周波数、第１のエンベロープデータ、第２のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項１に記載のコンピュータ実施方法。
6. 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項１に記載のコンピュータ実施方法。
7. 前記予測された貯留層特性は、空隙率を含む、請求項１に記載のコンピュータ実施方法。
8. 地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングし、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成するための、データ処理システムであって、
   （ａ）
   （１）前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
   （２）前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
   （３）地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
   （４）前記トレーニング入力データの前記トレーニングターゲットデータとの相互相関によってサポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
   （ｉ）カーネルパラメーター値とペナルティーパラメータ値の対を有する動径基底カーネル関数対に対して、前記地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証することと、
   （ｉｉ）前記相互検証した各サブセットの誤差関数を形成することと、
   （ｉｉｉ）前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対する誤差関数を形成することと、
   によって、選択するステップと、
   （５）前記複数の異なる動径基底カーネル関数対に対する前記形成された誤差関数の最小誤差関数を決定することにより、前記選択された形成属性パラメータを最適化するステップと、
   （６）前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
   （７）前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
   （８）前記トレーニング入力の前記サポートベクターマシンモデリングに基づき、前記貯留層特性を予測するステップと、
   を実行するためのプロセッサと、
   （ｂ）
   前記予測された貯留層特性の出力表示を形成するステップ
   を実行するための表示部と、
   を備える、データ処理システム。
9. さらに、
   前記予測された貯留層特性の記録を記憶する、データメモリ
   を含む、請求項８に記載のデータ処理システム。
10. 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項８に記載のデータ処理システム。
11. 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項８に記載のデータ処理システム。
12. 前記トレーニング入力データの前記地下属性は、振幅、周波数、第１のエンベロープデータ、第２のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項８に記載のデータ処理システム。
13. 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項８に記載のデータ処理システム。
14. 前記予測された貯留層特性は、空隙率を含む、請求項８に記載のデータ処理システム。
15. データ処理システムに、地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングさせ、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成させるための、動作可能な命令を、コンピュータ可読媒体コンピュータ中に記憶している、データ記憶デバイスであって、前記データ記憶デバイス中に記憶された前記命令は、前記データ処理システムに以下の：
    （ａ）前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
    （ｂ）前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
    （ｃ）地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
    （ｄ）サポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
    （１）カーネルパラメーター値とペナルティーパラメーター値の対を有する動径基底カーネル関数対に対して、前記地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証するステップと、
    （２）前記相互検証した各サブセットの誤差関数を形成するステップと、
    （３）前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対する誤差関数を形成するステップと、
    を実行することによって、選択するステップと、
    （ｅ）前記複数の異なる動径基底カーネル関数対に対する前記形成された誤差関数の最小誤差関数を決定することによって、前記選択された形成属性パラメータを最適化するステップと、
    （ｆ）前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および前記複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
    （ｇ）前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
    （ｈ）前記トレーニング入力の前記サポートベクターマシンモデリングに基づき、前記貯留層特性を予測するステップと、
    （ｉ）前記予測された貯留層特性の出力表示を形成するステップと、
    を実行させる、データ記憶デバイス。
16. 前記データ処理システムは、データメモリを含み、前記命令はさらに、前記データ処理システムに、
    前記予測された貯留層特性の記録を記憶するステップ
    を実行させる命令を含む、請求項１５に記載のデータ記憶デバイス。
17. 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項１５に記載のデータ記憶デバイス。
18. 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項１５に記載のデータ記憶デバイス。
19. 前記トレーニング入力データの前記地下属性は、振幅、周波数、第１のエンベロープデータ、第２のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項１５に記載のデータ記憶デバイス。
20. 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項１５に記載のデータ記憶デバイス。
21. 前記予測された貯留層特性は、空隙率を含む、請求項１５に記載のデータ記憶デバイス。
22. 前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを更に含む請求項１に記載のコンピュータ実施方法。
23. 前記選択された形成属性パラメータを最適化するステップが、
    各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを含む請求項１に記載のコンピュータ実施方法。
24. 前記プロセッサは、前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを更に実行する請求項８に記載のデータ処理システム。
25. 前記選択された形成属性パラメータを最適化する前記プロセッサは、
    各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを実行する請求項８に記載のデータ処理システム。
26. 前記命令は、前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを実行するための命令を更に含む請求項１５に記載のデータ記憶デバイス。
27. 前記選択された形成属性パラメータを最適化する命令が、
    各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを実行するための命令を更に含む請求項１５に記載のデータ記憶デバイス。