基于KNN算法识别合水地区长7储层岩性岩相

• 作者: 李戈理 杨智新 肖飞 车锐媚 陈彦竹 陈玉林
• 来源期刊: 测井技术
• 关键词: 测井评价 岩性岩相 KNN 机器学习 合水地区
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 解释评价
• 页码范围: 182-185
• 页数: 4页
• 分类号: P631.84|TE687
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2020.02.014

摘要

岩性岩相识别与划分是地层评价和油藏精细描述的一项重要工作.在岩性岩相分类中,基于Scikit-learn机器学习框架,采用岩心观察描述和薄片分析数据划分了鄂尔多斯盆地合水地区长7地层的岩性岩相,形成了机器学习样本库训练集和测试集;运用Python编程软件,编写基于KNN(K-近邻算法)的机器学习模块,对训练集中的数据进行学习,形成预测模型,用测试集对模型进行测试评价,测试结果显示KNN模型分类准确率为89.5％,总体预测效果较好,为后续储层三维精细建模提供了技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈玉林	中国石油集团测井有限公司测井应用研究院	13	27	3.0	4.0
2	肖飞	中国石油集团测井有限公司测井应用研究院	16	65	5.0	8.0
3	陈彦竹	中国石油集团测井有限公司测井应用研究院	11	2	1.0	1.0
4	李戈理	中国石油集团测井有限公司测井应用研究院	10	24	3.0	4.0
5	杨智新	中国石油集团测井有限公司测井应用研究院	9	40	4.0	6.0