基于机器学习的油水层解释新方法 ——以新安边油田南部长7油层组为例

摘要：

储层物性测井解释工作是石油勘探开发的一项重要任务.由于复杂的地质条件和沉积环境,储层非均质性与测井响应特征之间的非线性关系表明,线性测井响应方程和经验统计公式已不能有效表征储层特征,传统的储层特性解释方法与研究人员经验直接相关,存在一定程度的不确定性,因此本研究提出基于机器学习方法对新安边油田南部长7油层组进行油水层解释.首先,筛选测井序列齐全且有准确试油结果的数据作为样本数据,对其进行数据清洗;其次,基于一对一支持向量机(OVO SVM)与随机森林(RF)算法分别建立油水层解释模型进行对比分析,利用10折交叉验证进行模型参数优选;最后,利用参数优选后性能较高的OVO SVM模型对部分测井信息进行二次解释.研究结果表明,OVO SVM模型性能优于RF模型,解释准确率超过90％,对新安边油田新增数据采用该模型进行二次解释,变更解释结果层位54层.

关键词：新安边油田、油水层解释、机器学习、模型优选

所属期刊栏目：38

分类号：TE34(油气田开发与开采)

资助基金：国家自然科学基金;陕西省创新能力支撑计划项目;陕西省教育厅青年创新团队项目

在线出版日期：2023-04-18（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：89-95