基于随机树嵌入的随钻测井岩性识别方法

作     者：王新领 祝新益 张宏兵 孙博 许可欣 Wang Xinling;Zhu Xinyi;Zhang Hongbing;Sun Bo;Xu Kexin

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)。 

主　　题：机器学习 随机树嵌入 随机森林 岩性识别 随钻测井 

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.