基于XGBoost的测井曲线重构方法

作     者：张家臣 邓金根 谭强 石林 ZHANG Jiachen;DENG Jin’gen;TAN Qiang;SHI Lin

作者机构：中国石油大学(北京)石油工程学院北京102249 中国石油大学(北京)油气资源与探测国家重点实验室北京102249 

出 版 物：《石油地球物理勘探》 (Oil Geophysical Prospecting)

年 卷 期：2022年第57卷第3期

页      面：697-705,I0008页

核心收录：

学科分类：0820[工学-石油与天然气工程] 0711[理学-系统科学] 081801[工学-矿产普查与勘探] 08[工学] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 

主　　题：测井曲线 重构方法 机器学习 神经网络 XGBoost 

摘      要：测井数据在地层评价中具有十分重要的作用,但是实际应用中由于地质、工程等因素的影响,经常出现部分测井数据缺失甚至漏测的情况。基于传统的经验模型和多元回归分析的测井曲线重构方法精度不够,因此提出利用机器学习方法进行测井曲线的重构;考虑到神经网络的局限性,基于XGBoost构建了测井曲线重构模型。以渤海湾盆地定向井为例验证重构模型的效果:首先进行了测井曲线补全和生成实验,并通过K折交叉验证将XGBoost模型性能与梯度提升决策树(GBDT)、随机森林(RF)和全连接神经网络(FNN)三种方法进行对比,然后结合地质背景分析预测效果。验证结果表明,基于XGBoost的测井曲线重构方法在准确性和稳定性方面都取得了更好的效果,并且表现出较强的泛化能力。