基于改进KNN算法的潜山复杂岩性测井识别方法

摘要：

兴隆台中生界砾岩油气藏是辽河坳陷近年发现的大型整装构造-岩性油藏,探明程度低,勘探潜力大.油藏受岩相与构造的共同控制,储层非均质性极强,岩性类型复杂多样,导致测井识别难度较大,严重制约了该区的勘探进程.为此,依据岩心观察、岩屑录井及薄片鉴定结果,按照储层分类评价需求及测井可识别原则,重新将研究区岩性划分为碎屑岩和火山岩两大类,具体包括花岗质砾岩、混合砾岩、砂岩、泥岩、玄武岩、凝灰岩等6种岩石类型.通过分析不同类型岩石的测井响应特征,建立岩性交会图版,确定敏感测井参数.在此基础上,针对测井数据特点,对K最邻近值(KNN)算法进行改进,提出了基于测井属性加权的剪切邻近(MKNN)机器学习算法,并用于岩性预测.结果表明:相比传统的K最邻近值(KNN)算法,MKNN算法效率更高,解决了 KNN算法受岩性样本类型不均衡及测井参数重叠的影响,岩性识别准确率由82.3％提高至88.7％,有效地解决了勘探老区岩性精细评价问题.该研究对提高复杂岩性油藏的测井评价精度具有一定的借鉴意义.

关键词：MKNN算法、KNN算法、测井响应、岩性识别、机器学习、中生界、辽河坳陷

所属期刊栏目：29

分类号：TE122(石油、天然气地质与勘探)

资助基金：中国石油科技重大专项2017E-1603

在线出版日期：2022-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：18-27