基于机器学习的火山岩岩性智能识别及预测

• 作者: 刘凯 邹正银 王志章 蒋庆平 常天全 王伟方 杨笑
• 来源期刊: 特种油气藏
• 学科: 工学
• 关键词: 火山岩 岩性特征 机器学习 智能识别 决策树 随机森林
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 地质勘探|Geologic Exploration
• 页码范围: 38-45
• 页数: 8页
• 分类号: TE312
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6535.2022.01.006

摘要

针对准噶尔盆地金龙2井区佳木河组火山岩油气藏岩性多变,常规方法难以准确识别的问题,利用机器学习中的决策树、随机森林、梯度提升树、贝叶斯4种算法对研究区岩性进行智能识别,在分析研究区火山岩储层地质特点的基础上,结合不同岩性测井响应特征,确定M、N等8个对火山岩岩性极为敏感的特征参数.研究结果表明:随机森林法模型最优,准确率达到90％以上,模型泛化能力最强,可作为利用常规测井曲线识别火山岩岩性的有效方法.该模型可以高精度地进行火山岩岩性识别及预测,为后续火山岩油藏的勘探与开发奠定基础.