基于随机森林算法的泥页岩岩相测井识别
泥页岩岩相识别是页岩油空间分布及勘探目标预测的一项重要工作,受地层非均质性及测井信息冗余的制约,基于测井响应方程的岩相识别十分困难.本文建立了一种基于随机森林算法的岩相识别模型,使用SHAP方法量化测井参数重要性.结果表明:随机森林算法可以很好地识别泥页岩岩相,其准确率高于支持向量机、KNN和XGBoost,并且对数据集中岩相类别不均衡的分类问题更加有效;对模型识别岩相最重要的前3项测井参数是自然电位、井径和声波时差;该模型可快速识别单井岩相,再根据总孔隙度、游离烃S1、TOC等参数可确定有利岩相类型,进而确定研究区有利岩相分布,为后续"甜点"预测提供依据.
随机森林、机器学习、测井、岩相识别、泥页岩
48
P618.13(矿床学)
国家自然科学基金;国家自然科学基金
2023-02-15（万方平台首次上网日期，不代表论文的发表时间）
共13页
130-142
