基于XGBoost的测井曲线重构方法

摘要：

测井数据在地层评价中具有十分重要的作用,但是实际应用中由于地质、工程等因素的影响,经常出现部分测井数据缺失甚至漏测的情况.基于传统的经验模型和多元回归分析的测井曲线重构方法精度不够,因此提出利用机器学习方法进行测井曲线的重构;考虑到神经网络的局限性,基于XGBoost构建了测井曲线重构模型.以渤海湾盆地定向井为例验证重构模型的效果:首先进行了测井曲线补全和生成实验,并通过K折交叉验证将XGBoost模型性能与梯度提升决策树(GBDT)、随机森林(RF)和全连接神经网络(FNN)三种方法进行对比,然后结合地质背景分析预测效果.验证结果表明,基于XGBoost的测井曲线重构方法在准确性和稳定性方面都取得了更好的效果,并且表现出较强的泛化能力.

关键词：测井曲线、重构方法、机器学习、神经网络、XGBoost

所属期刊栏目：57

分类号：P631

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：697-705