基于AdaBoost机器学习算法的大牛地气田储层流体智能识别

• 作者: 韩玉娇
• 来源期刊: 石油钻探技术
• 学科: 工学
• 关键词: 复杂储层 流体识别 机器学习 智能识别 大牛地气田
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 测井录井|Well Logging & Surface Logging
• 页码范围: 112-118
• 页数: 7页
• 分类号: TE927
• 语种: 中文
• DOI: 10.11911/syztjs.2022018

摘要

大牛地气田储层复杂,矿物组分多样、储集空间复杂、非均质性强,导致流体识别困难.为提高该气田复杂储层流体识别的准确率和解释效率,以广泛发育的低阻气藏为主要研究对象,采用Adaboost机器学习算法,分别以逻辑分类、决策树等主流智能算法作为弱分类器,集成了4类强分类器模型.基于低阻气藏成因机理分析优化了模型输入参数,基于常规测井和试油、试采资料进行了参数优选,并将上述模型应用到6口实际井资料中.结果显示,其中以决策树为弱分类器集成的强分类器取得了最佳识别效果,流体识别准确率达到86.5％,F1得分达到86.6％.研究结果表明,该方法可作为低阻气藏常规测井资料识别流体的有效手段,为流体评价提供了新思路.