| PSO-GBDT识别致密砂岩储集层岩性研究——以姬塬油田西部长4+5段为例 |
| |
| 引用本文： | 谷宇峰,张道勇,鲍志东.PSO-GBDT识别致密砂岩储集层岩性研究——以姬塬油田西部长4+5段为例[J].矿物岩石地球化学通报,2021,40(3):624-634. |
| |
| 作者姓名： | 谷宇峰 张道勇 鲍志东 |
| |
| 作者单位： | 自然资源部油气资源战略研究中心,北京100034;中国石油大学(北京),北京102249 |
| |
| 摘 要： | 交会图在致密砂岩储集层应用上难以奏效,其主要原因是多种储集层岩性具有相似测井响应特征而难以在交会图版中被有效分辨.众多机器学习技术可有效分辨属性相似度高的数据,为此识别性能出众的GBDT(gradient boosting decision tree,梯度提升决策树)常被用来解决致密砂岩储集层岩性识别问题.但GBDT使用较多超参数致训练模型难以最优化,本文选用PSO(particle swarm optimization,粒子群算法)来解决优化问题,进而提出PSO-GBDT模型.本文以姬塬油田西部长4+5段致密砂岩储集层为研究对象,通过设计两个实验来验证提出模型的识别能力.实验结果表明,PSO-GBDT岩性识别准确率分别为(90.37％,88.20％)和(93.48％,90.16％),高于其他验证模型.该模型能有效解决致密砂岩储集层岩性识别问题,在岩性识别研究上具有良好的推广应用前景.
|
| 关 键 词： | 致密砂岩储集层 岩性识别 机器学习 神经网络 GBDT模型 PNN模型 KNN模型 PSO技术 |
Lithology Prediction of Tight Sandstone Reservoirs Using the PSO-GBDT:A Case Study of the Chang 4+5 Members in the Western Jiyuan Oilfield |
| |
| GU Yu-feng,ZHANG Dao-yong,BAO Zhi-dong.Lithology Prediction of Tight Sandstone Reservoirs Using the PSO-GBDT:A Case Study of the Chang 4+5 Members in the Western Jiyuan Oilfield[J].Bulletin of Mineralogy Petrology and Geochemistry,2021,40(3):624-634. |
| |
| Authors: | GU Yu-feng ZHANG Dao-yong BAO Zhi-dong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
