基于XGBoost的低渗油田储层粒度预测

摘要：

针对低渗油田储层粒度预测问题,本文提出利用机器学习中的极致剃度提升树(extreme gradient boosting,XGBoost)来对低渗油田储层粒度进行预测的方案.首先,根据问题构建合适的XGBoost模型,然后根据已有的岩心储层粒度特征值与其余测井信息的关系,选取适用于粒度预测的测井曲线建立样本库,最后利用样本库数据对建立的XGBoost模型进行训练,训练后的模型即可预测研究区域未知的储层粒度特征.结果表明,本文所设计的XGBoost模型对低渗油田的储层粒度预测方案在计算效率、预测准确率等方面均优于BP神经网络.

关键词：机器学习;神经网络;XGBoost;储层粒度

所属期刊栏目：31

在线出版日期：2022-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：241-245