基于改进KNN算法的潜山复杂岩性测井识别方法

作     者：孙岿 Sun Kui

作者机构：中国石油辽河油田分公司辽宁盘锦124010 

出 版 物：《特种油气藏》 (Special Oil & Gas Reservoirs)

年 卷 期：2022年第29卷第3期

页      面：18-27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：中国石油科技重大专项“稀油高凝油大幅度提高采收率关键技术研究与应用”(2017E-1603)。 

主　　题：MKNN算法 KNN算法 测井响应 岩性识别 机器学习 中生界 辽河坳陷 

摘      要：兴隆台中生界砾岩油气藏是辽河坳陷近年发现的大型整装构造-岩性油藏,探明程度低,勘探潜力大。油藏受岩相与构造的共同控制,储层非均质性极强,岩性类型复杂多样,导致测井识别难度较大,严重制约了该区的勘探进程。为此,依据岩心观察、岩屑录井及薄片鉴定结果,按照储层分类评价需求及测井可识别原则,重新将研究区岩性划分为碎屑岩和火山岩两大类,具体包括花岗质砾岩、混合砾岩、砂岩、泥岩、玄武岩、凝灰岩等6种岩石类型。通过分析不同类型岩石的测井响应特征,建立岩性交会图版,确定敏感测井参数。在此基础上,针对测井数据特点,对K最邻近值(KNN)算法进行改进,提出了基于测井属性加权的剪切邻近(MKNN)机器学习算法,并用于岩性预测。结果表明:相比传统的K最邻近值(KNN)算法,MKNN算法效率更高,解决了KNN算法受岩性样本类型不均衡及测井参数重叠的影响,岩性识别准确率由82.3%提高至88.7%,有效地解决了勘探老区岩性精细评价问题。该研究对提高复杂岩性油藏的测井评价精度具有一定的借鉴意义。