基于局部加权的决策树算法在孔隙度预测中的应用

摘要：

近年来,数据挖掘中的回归算法在地学领域中的运用越来越受到人们的关注,尤其是在储层孔隙度预测方面.储层孔隙度对描述储层特性和储量估计有着极其重要的意义.对于储层的孔隙度,各种测井信息可以看作是其影响因素,但是又很难直接找到孔隙度与测井信息间的映射关系.而从数据挖掘的角度来看,储层孔隙度的预测问题是典型的回归问题,根据测井信息建立适当的模型,通过参入已知测井信息和孔隙度资料的训练,就可以建立储层孔隙度与测井信息之间的非线性关系,进而对储层孔隙度进行预测.本文在采用补偿中子(CNL)、自然伽马(GR)、自然电位(SP)、声波时差(AC)、感应电导率(COND)等测井数据来建立孔隙度预测模型的基础上,使用基于局部加权的决策树算法来对储层孔隙度进行预测,预测的实验结果表明:采用的算法能够利用测井资料准确地对储层孔隙度进行预测;此外,与常规决策树算法相比,应用局部加权的决策树算法进行孔隙度预测时,预测的结果具有更高的精度.

关键词：孔隙度预测、决策树算法、局部加权、测井数据

所属期刊栏目：11

分类号：P631

资助基金：“十二五”国家科技支撑项目2012BAK19B00

在线出版日期：2014-11-18（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：736-742