基于PCA和KNN的碳酸盐岩沉积相测井自动识别

摘要：

碳酸盐岩油藏地质建模和储量计算中人工判别未取心井沉积相的标准不统一.以中东Y油田碳酸盐岩为例,采用主成分分析(PCA),选取累计方差贡献率大于90％的主成分代表输入的测井信息,通过正演去掉油层对电阻率的影响,运用均值滤波去齿化和众数滤波确定边界;采用岩心刻度方法,以岩心井的测井数据和沉积亚相建立学习样本,对未取心井使用K最邻近分类算法(KNN)进行沉积亚相分类预测.结果表明,KNN对沉积亚相的预测精度达到90％以上.与传统的人工神经网络(ANN)和自组织映射(SOM)预测结果比较后认为,该技术有效解决了学习样本量大、类域交叉多的难题,且运行速度快,分类结果可靠、稳定.

关键词：测井评价、沉积相、碳酸盐岩、KNN算法、主成分分析、测井曲线

所属期刊栏目：41

分类号：P631.83

资助基金：国家科技重大专项2011ZX05031-003;科技部项目G5800-15-ZS-KJB016

在线出版日期：2017-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：57-63