基于XGBoost算法的煤体结构测井识别技术研究

作     者：丁阳阳 赵军龙 李兆明 姚晓莉 王朝阳 李根敏 DING YangYang;ZHAO JunLong;LI ZhaoMing;YAO XiaoLi;WANG ZhaoYang;LI GenMin

作者机构：西安石油大学地球科学与工程学院西安710065 西安石油大学陕西省油气成藏地质学重点实验室西安710065 中国石油煤层气有限责任公司临汾分公司临汾030000 西安石油大学计算机学院西安710065 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2022年第37卷第3期

页      面：998-1006页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：西安石油大学研究生创新与实践能力培养计划资助(YCS20212090)资助 

主　　题：煤体结构 测井响应 图版法 XGBoost机器学习 识别 

摘      要：煤体结构是影响煤层气开发的因素之一,为厘定DN区块煤体结构类型,服务于该区煤层气勘探开发,本文在文献调研基础上,根据收集到的煤岩宏观描述资料开展煤体结构类型划分,结合多种测井响应特征,利用图版法开展煤体结构识别;为了改善识别效果,引入XGBoost机器学习方法进行煤体结构识别.研究表明,本区的煤体结构类型可以划分为块煤、块粉煤、粉煤三类;双井径幅度差和双侧向电阻率幅度差交会图版识别煤体结构类型效果较好;XGBoost机器学习特征重要性分析显示,双井径幅度差、扩径率、双侧向电阻率幅度差、声波时差、自然伽马等测井响应参数对煤体结构识别模型的贡献较大,交叉验证结果显示该模型精度达到97.2%,XGBoost机器学习方法可以实现多种测井信息融合,有利于提高煤体结构的综合判识效果,实现煤体结构的高精度和高效率识别,效果好于常用图版法.