XGBoost算法在致密砂岩气储层测井解释中的应用

传统单一模型的机器学习方法用于致密砂岩气储层测井解释时存在多解性,为此,将XGBoost算法应用于致密砂岩气储层测井解释。基于A工区测井解释资料,以不同种类的测井资料作为输入变量,通过XGBoost算法建立回归预测模型,预测该区孔隙度与渗透率参数,并探讨了XGBoost算法中各类参数的优化。以准确率指标为评价标准,通过XGBoost算法建立的分类预测模型对该区储层类型进行预测,同时与随机森林方法和支持向量机算法进行比较,XGBoost算法的预测效果较好。结果表明XGBoost算法能准确地预测孔隙度、渗透率并对该工区致密砂岩气层进行有效识别。     

基于XGBoost算法的复杂碳酸盐岩岩性测井识别

碳酸盐岩储层在形成过程中受到多种因素的影响，储层岩性复杂多样，基于测井资料对碳酸盐岩岩性识别具有重要意义。为了解决传统的测井岩性识别方法和机器学习方法对于复杂碳酸盐岩岩性识别准确率不高的问题，以廊固凹陷北部奥陶系碳酸盐岩为例，将XGBoost算法应用于复杂碳酸盐岩岩性识别，并将模型的性能与决策树C4.5算法和支持向量机算法进行对比。结果表明，采用的XGBoost算法的岩性识别模型对研究区碳酸盐岩岩性识别的准确率达到了88.18%，相较于决策树C4.5算法和支持向量机算法准确率均提高了10%左右，且由于XGBoost算法采用多线程和分布式计算的方法，使得训练时间大大缩短。基于XGBoost算法建立的岩性识别模型能够有效地识别复杂碳酸盐岩岩性，为复杂碳酸盐岩岩性的测井识别提供了新的思路。     

滩坝砂储集体测井产能等级划分与地震属性横向预测

滩坝砂储层因其储层物性差、单层厚度薄等特点而导致产能预测较为困难,提出了一种新的基于数据和模型双驱动的井震结合产能等级划分方法。通过机器学习中的降维算法结合聚类算法,并利用聚类算法中的肘部法确定最佳聚类数,进行储层测井产能等级自动划分。首次在平面径向流公式的基础上建立了测井产能等级指示模型,为地震属性横向预测提供井点刻度。以胜利油田W工区为例,利用最小二乘法推导出了测井产能等级指数公式,计算了10口井目的层单井产能等级指数。对提取的多种地震属性在井点处的属性值与测井产能等级分类结果进行Pearson相关性分析,优选了3种与产能等级指数显著相关且两两之间相互独立的地震属性。利用支持向量回归算法,建立了地震属性融合的储层产能等级指数平面图,经3口验证井检验,产能等级指数平面图与实际产能吻合程度较好。研究结果表明,基于测井产能等级划分的地震属性横向预测方法可以有效预测靶区储层产能等级。     

基于改进集成学习的测井岩性识别方法研究

测井数据中存在大量与岩性无关的冗余信息，且各类岩性标签数据分布不均匀，严重影响岩性识别准确率，现有测井岩性识别算法无法有效解决岩性类间不平衡问题。为此提出了一种针对不平衡样本集的集成学习岩性预测方法KSMOSEL:首先以录井岩性数据为岩性样本标签，将测井曲线作为模型输入；然后将K-means算法与合成少数类过采样技术(SMOTE)相结合形成K-means-合成过采样算法，即KS采样算法，对岩性样本集进行平衡化处理；最后将采样后的数据集用于构建集成学习模型并训练，采用多个分类器模型融合构成强学习器，通过“软投票”方式预测岩性类型。以Hugoton油气田测井岩性数据为基础，采用改进不平衡样本集的集成学习岩性预测方法对岩性进行分类，并将识别效果与传统的分类模型：支持向量机、K最近邻分类、决策树、XGBoost和随机森林等模型进行对比。试验结果表明：KSMOSEL方法具有更高的精度，岩性识别准确率达到94.28%;KS采样之后，支持向量机、K最近邻分类、决策树、XGBoost、随机森林、GBDT和集成学习等模型岩性识别准确率分别提高了18.68%,12.03%,3.77%,10.23%,24....     

基于测井-地震信息的碳酸盐岩储层裂缝预测方法

碳酸盐储层裂缝发育、非均质性强,单一测井或地震方法识别裂缝存在局限性,为此提出了测井-地震信息融合预测碳酸盐岩储层裂缝的方法。首先,将粗糙集理论与裂缝发育程度划分相结合,把权系数问题转化为粗糙集中属性重要性评价问题,根据钻井取心对测井识别的裂缝进行刻度;其次,基于叠前地震方位各向异性预测裂缝发育优势方位及裂缝密度;最后,通过井震标定完成测井与地震尺度匹配,拟合测井裂缝可拓识别结果与叠前地震各向异性检测强度的函数关系,划分地震边缘检测裂缝级别。以实际工区资料为例,进行了碳酸盐岩裂缝测井-地震信息融合的裂缝预测,结果表明:该方法既能提高裂缝预测结果的可靠性,又能对纵向及横向不同尺度的裂缝进行有效识别。研究结果可为碳酸盐岩储层的裂缝预测提供有益的借鉴。      

基于XGBoost的测井解释规则库自动获取方法

传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明：与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。     

地震测井资料综合储层预测方法概述

地震测井资料综合储层预测方法大体上可分诉数学插值方法和地质统计方法。本文根据近年来石油系统最新由国外引进的各类储层描述软件，最小网格张力插值法及高斯顺序模拟法；美国阿特拉斯公司的ＲＭ软件，其储层预测方法包括：地震属性约束的测井特征模拟，批示克里金估算法，对目前国内外地震测井综合储层预测方法进行了论述，并阐述了有关方法的优缺点及其算法原理。     

叠前地震流体识别技术在碳酸盐岩缝洞型储层中的应用

针对塔河油田外围地区深层碳酸盐岩缝洞储层流体识别的问题,首先基于实际测井数据,通过井旁地震道集分析与岩石物理建模,分析了研究区地震AVO反射特征,在此基础上开展了AVO截距梯度积(P×G)属性分析、频变AVO反演、流体因子反演等方法试验,通过测井数据交汇、井旁地震道反演、地震与测井解释综合分析等综合评价,评价了采用AVO属性分析、频变AVO反演流体因子反演等单一方法识别本区目标储层流体具有一定的效果;然后,基于最小二乘方法以测井、钻井解释结果(漏失、油气解释成果)作为期望输出数据,通过求解超定方程组,给3种地震属性赋予不同权值,获得研究区缝洞储层油气综合识别结果,提高了碳酸盐岩缝洞储层含油气性识别可靠性;最后,在多数据融合及阈值判定的基础上,对工区每一口井位置的异常体积进行统计,将统计结果与井稳产日产量进行对比分析,结果表明,两者相关系数达到0.77,实现了缝洞储层流体定量识别。建立了应用流程,分析了方法应用关键参数。研究结果证明了叠前地震流体识别技术在碳酸盐岩缝洞型储层中流体识别的有效性,为类似地区流体识别提供了依据。     

塔中奥陶系碳酸盐岩缝洞型储层贝叶斯叠前反演预测研究

为了对塔中地区顺托果勒南区块SN1井区碳酸盐岩缝洞型储层进行精细预测,开展了基于三维叠前地震数据的贝叶斯反演技术应用研究,重点论述了测井曲线重构、岩石物理分析、敏感弹性参数验证、叠前反演角道集优选等关键技术环节。利用神经网络技术建立测井响应与地层参数之间的关系模型,重构出垮塌井段的纵、横波速度及密度测井曲线;通过建立缝洞型储层的地震地质模型,利用正、反演技术同时验证了贝叶斯叠前反演在SN1井区的适用性及敏感弹性参数识别储层的有效性。最后将叠后曲率属性与叠前反演的敏感弹性参数属性进行融合,对碳酸盐岩缝洞型储层进行精细刻画,预测出SN1井区两条相交断裂带的交会区域为最有利勘探区带。     

基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数。为此,提出一种基于集成学习算法的新型裂缝开度预测算法。以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本。利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测。结果表明所提出的新型集成学习算法比基础模型性能有明显提升。测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931。该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路。