基于随机树嵌入的随钻测井岩性识别方法
Lithology Identification Method for Logging While Drilling Based on Random Tree Embedding作者机构:中海油田服务股份有限公司物探事业部物探研究院特普数据中心(湛江)广东湛江524057 河海大学地球科学与工程学院南京211098
出 版 物:《吉林大学学报(地球科学版)》 (Journal of Jilin University:Earth Science Edition)
年 卷 期:2024年第54卷第2期
页 面:701-708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:国家自然科学基金项目(41374116) 国家级大学生创新创业训练计划项目(202310294028Z)。
摘 要:岩性识别是储层评价中的一项重要工作.随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向.随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数.由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息.对此,本文将随机树嵌入引入随钻测井资料的岩性识别.该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力.对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F_(1)值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法.