基于Boosting Tree算法的测井岩性识别模型

• 作者: 段航 江凯 浦世照 王守东 王政文 胡永静
• 来源期刊: 测井技术
• 关键词: 测井解释 岩性识别 人工智能 机器学习 Boosting Tree
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 处理解释
• 页码范围: 395-400
• 页数: 6页
• 分类号: P631.84
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2018.04.005

摘要

使用Boosting Tree算法,以录井资料和测井资料为基础,优选出自然伽马、自然电位、冲洗带电阻率、侵入带电阻率、原状地层电阻率、密度、补偿中子、声波时差8个对岩性敏感度较高的测井属性,建立岩性识别模型.使用该方法对玛北油田岩石类型齐全的6号井的目的层岩性进行识别,正确率达到89.1％,优于决策树、支持向量机(SVM)等传统的机器学习方法.使用Boosting Tree算法对岩性进行识别也为测井解释提供了新的思路.