| GBDT识别致密砂岩储层岩性 |
| |
| 引用本文： | 谷宇峰,张道勇,鲍志东,张晨朔.GBDT识别致密砂岩储层岩性[J].地球物理学进展,2021,36(5):1956-1965. |
| |
| 作者姓名： | 谷宇峰 张道勇 鲍志东 张晨朔 |
| |
| 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： | 岩性识别是一项重要的地质基础研究内容.以交会图为代表的常规岩性识别工具虽然在构建的二维或三维图版中能够依据手动归类的测井数据点集来明确各种岩性的一系列测井响应判定,但却无法适用于致密砂岩储层,其原因是该类储层的岩性成分不仅复杂,且较多岩性的测井响应特征具有相似性.根据机器学习在数据分析上的强大性能,本文提出利用在模式识别方面能力出众的GBDT模型来解决岩性识别问题.本文以姬塬油田西部长4+5段致密砂岩储层测井资料为基础,通过设计两种实验来验证提出模型的岩性识别能力.为提高验证效果,在实验中加入BP、PNN和KNN三种传统模式识别模型进行对比.实验结果显示,GBDT识别准确率最高,分别为90.14％和90.41％.基于GBDT较传统模式识别模型能够给出更为准确的预测值,实验结果充分证明了提出模型不仅能有效识别致密砂岩储层岩性,在岩性识别研究领域上还具有良好的推广应用前景.
|
| 关 键 词： | 致密砂岩储层 岩性识别 机器学习 神经网络 GBDT模型 BP模型 PNN模型 KNN模型 |
Lithology prediction of tight sandstone reservoirs using GBDT |
| |
| GU YuFeng,ZHANG DaoYong,BAO ZhiDong,ZHANG ChenShuo.Lithology prediction of tight sandstone reservoirs using GBDT[J].Progress in Geophysics,2021,36(5):1956-1965. |
| |
| Authors: | GU YuFeng ZHANG DaoYong BAO ZhiDong ZHANG ChenShuo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
