基于机器学习算法和属性特征双优选的砂体岩性预测方法

作     者：颜世翠 YAN Shicui

作者机构：中国石化胜利油田分公司勘探开发研究院山东东营257015 

出 版 物：《油气地质与采收率》 (Petroleum Geology and Recovery Efficiency)

年 卷 期：2022年第29卷第1期

页      面：98-106页

核心收录：

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：中国石化科技攻关项目“复杂地质体多学科协同建模与有效储层预测”(P20055-8) 

主　　题：机器学习 算法优选 超参数 K折交叉验证 岩性预测 

摘      要：随着油气田勘探开发难度越来越大,对砂体岩性预测精度提出更高要求。具有较高纵向分辨率的地质统计学方法,随着其应用范围越来越广,井间预测可靠性不足的缺点愈加明显。基于机器学习算法和属性特征双优选的砂体岩性预测方法,首先通过井震精细标定,明确砂体在地震数据和属性体上的特征;然后在属性特征优选和确定测井敏感曲线的基础上,选择最优的机器学习算法;接下来使用K折交叉验证法,获得最优超参数组合,最后通过多次迭代获得预测精度和鲁棒性都较高的训练模型。将该方法应用于埕岛东坡馆上段5砂组砂体岩性预测,不仅井点吻合度较高,预测的井间砂体延展形态也与地震数据保持一致,井间预测可靠性较高。