利用混合模型CRBM-PSO-XGBoost识别致密砂岩储层岩性

摘要：

识别储层岩性是开展地层对比和沉积展布等地质基础研究工作的重要前提.致密砂岩储层多为砂、泥岩薄互层,形成的岩性不仅种类较多,而且大部分岩性的测井响应也较为相似,为相关的岩性识别工作带来了困难.基于机器学习技术在模式识别上具有强大的分析性能,选用了稳定性好且计算效率高的XGBoost模型来解决致密砂岩储层岩性识别问题.该模型在建模过程中需要较多的经验参数参与,且计算速度随着自变量的增加而逐渐降低,为此提出了采用CRBM模型和PSO模型对其进行改进.CRBM模型具备数据提取功能,可从源数据中挖掘出更少但更利于建模的新自变量,而PSO模型可通过迭代计算确定XGBoost所有经验参数的最优值.以姬塬油田西部长4+5段部分取心井资料为基础,通过设计两个实验来验证提出的混合模型的预测能力.为加强验证效果,在实验中加入了PNN和SVM的优化模型进行对比.实验后发现所提出模型的预测准确率最高,均在90％以上.实验结果表明所提出的模型不仅能有效解决致密砂岩储层岩性识别问题,且较以往经典预测模型更具推广应用性.

关键词：XGBoost模型;CRBM模型;PSO模型;岩性识别;致密砂岩储层;姬塬油田;鄂尔多斯盆地

所属期刊栏目：42

分类号：TE19(石油、天然气地质与勘探)

在线出版日期：2021-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1210-1222