基于AdaBoost机器学习算法的大牛地气田储层流体智能识别

TE927; 大牛地气田储层复杂,矿物组分多样、储集空间复杂、非均质性强,导致流体识别困难.为提高该气田复杂储层流体识别的准确率和解释效率,以广泛发育的低阻气藏为主要研究对象,采用Adaboost机器学习算法,分别以逻辑分类、决策树等主流智能算法作为弱分类器,集成了4类强分类器模型.基于低阻气藏成因机理分析优化了模型输入参数,基于常规测井和试油、试采资料进行了参数优选,并将上述模型应用到6口实际井资料中.结果显示,其中以决策树为弱分类器集成的强分类器取得了最佳识别效果,流体识别准确率达到86.5％,F1得分达到86.6％.研究结果表明,该方法可作为低阻气藏常规测井资料识别流体的有效手段,为流体...

Full description

Saved in:
Bibliographic Details
Published in石油钻探技术 Vol. 50; no. 1; pp. 112 - 118
Main Author 韩玉娇
Format Journal Article
LanguageChinese
Published 中国石化石油工程技术研究院, 北京 102206 2022
页岩油气富集机理与有效开发国家重点实验室, 北京 102206
Subjects
复杂储层;流体识别;机器学习;智能识别;大牛地气田
Online AccessGet full text
ISSN1001-0890
DOI10.11911/syztjs.2022018

Cover

More Information
Summary:TE927; 大牛地气田储层复杂,矿物组分多样、储集空间复杂、非均质性强,导致流体识别困难.为提高该气田复杂储层流体识别的准确率和解释效率,以广泛发育的低阻气藏为主要研究对象,采用Adaboost机器学习算法,分别以逻辑分类、决策树等主流智能算法作为弱分类器,集成了4类强分类器模型.基于低阻气藏成因机理分析优化了模型输入参数,基于常规测井和试油、试采资料进行了参数优选,并将上述模型应用到6口实际井资料中.结果显示,其中以决策树为弱分类器集成的强分类器取得了最佳识别效果,流体识别准确率达到86.5％,F1得分达到86.6％.研究结果表明,该方法可作为低阻气藏常规测井资料识别流体的有效手段,为流体评价提供了新思路.
ISSN:1001-0890
DOI:10.11911/syztjs.2022018