基于人工神经网络方法预测油气资源丰度——以渤海湾盆地东濮凹陷文留地区古近系沙河街组三段为例 |
| |
引用本文: | 杨子杰,陈冬霞,王翘楚,王福伟,李莎,田梓葉,陈淑敏,张婉蓉,姚东升,王昱超.基于人工神经网络方法预测油气资源丰度——以渤海湾盆地东濮凹陷文留地区古近系沙河街组三段为例[J].石油实验地质,2024(2):428-440. |
| |
作者姓名: | 杨子杰 陈冬霞 王翘楚 王福伟 李莎 田梓葉 陈淑敏 张婉蓉 姚东升 王昱超 |
| |
作者单位: | 1. 中国石油大学(北京)地球科学学院;2. 油气资源与工程全国重点实验室中国石油大学(北京) |
| |
基金项目: | 国家自然科学基金面上项目(41972124)资助; |
| |
摘 要: | 油气资源丰度通常受多个因素控制,其相关参数信息种类繁杂、数据量庞大,应用传统的地质统计学方法定量预测准确度不高。为了快速预测油气资源量丰度并明确其主控因素,以渤海湾盆地东濮凹陷文留地区古近系沙河街组三段为例,采用基于多层感知器神经网络(MLP)方法对油气资源丰度进行定量预测,同时采用Boosting集成学习算法优化预测模型,分别对66组样本油气资源丰度数据进行预测。结果表明,训练集数据实测值与预测值相关系数分别达0.789和0.989,验证集数据实测值与预测值相关系数分别达0.618和0.825,测试数据中实测值和预测值相关系数分别达0.689和0.845;有效厚度、平均渗透率、有效孔隙度是影响油气资源丰度最主要的3个地质因素,重要性系数分别为33.93%、20.12%和19.53%,圈闭面积、地面原油密度、生烃中心贡献等参数为次要影响因素。采用Boosting集成学习算法优化之后的多层感知器模型预测准确性得到了很大的提升,能为有利目标优选及勘探开发方案调整提供可靠依据,为凹陷内其他区块油气资源评价提供较好的参考和借鉴。
|
关 键 词: | 机器学习 神经网络 预测模型 资源丰度 东濮凹陷 渤海湾盆地 |
|
|