基于PCA-RF的砂砾岩有利储层厚度预测方法

• 作者: 任雄风 张军华 李琴 桂志鹏 王军
• 来源期刊: CT理论与应用研究
• 学科: 地球科学
• 关键词: 砂砾岩 主成分分析 随机森林 储层厚度预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 地球物理CT
• 页码范围: 311-318
• 页数: 8页
• 分类号: O242|P631
• 语种: 中文
• DOI: 10.15953/j.1004-4140.2020.29.03.07

摘要

东营凹陷沙三、沙四沉积时期,发育了大量不同时期的砂砾岩体,它们是非常规油气勘探中重要的储层类型.由于砂砾岩体具有纵向厚度变化大、横向展布不均匀、岩相变化快等特点,在地震属性分析与厚度预测时,用单一属性对储层厚度描述具有很大的不确定性.为此,提取了多种地震属性,采用主成分分析法(PCA)进行优化、去除冗余信息.考虑到随机森林(RF)具有预测精度高、对异常值容忍性强、训练速度快且不易过拟合等特点,引入该方法对砂砾岩储层厚度进行预测.针对属性自相似问题,PCA采用了两种方法:① 直接对全部属性做降维处理,提取主成分进行预测(PCA-RF1);② 先对相似属性做降维处理,再组合其他属性进行预测(PCA-RF2).原始RF、PCA-RF1、PCA-RF2方法还与人工神经网络方法(ANN)进行了效果对比,结果表明,基于相似属性降维处理的PCA-RF2方法,具有最佳应用效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军		30	128	6.0	11.0