基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

• 作者: 姜宝胜 孙致学 李吉康 肖康
• 来源期刊: 油气地质与采收率
• 学科: 工学
• 关键词: 裂缝开度 K均值聚类算法 支持向量回归 XGBoost回归 集成学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 油气地质
• 页码范围: 32-38
• 页数: 7页
• 分类号: TE122.2
• 字数: 5717字
• 语种: 中文
• DOI: 10.13673/j.cnki.cn37-1359/te.2020.03.004

摘要

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数.为此,提出一种基于集成学习算法的新型裂缝开度预测算法.以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本.利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测.结果表明所提出的新型集成学习算法比基础模型性能有明显提升.测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931.该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖康	中国石油勘探开发研究院非洲研究所	7	16	3.0	3.0