| 基于随机森林算法的泥页岩孔隙度预测 |
| |
| 引用本文： | 崔俊峰,杨金路,王民,王鑫,吴艳,余昌琦.基于随机森林算法的泥页岩孔隙度预测[J].油气地质与采收率,2023,30(6):13-21. |
| |
| 作者姓名： | 崔俊峰 杨金路 王民 王鑫 吴艳 余昌琦 |
| |
| 作者单位： | 1.中国石油勘探开发研究院，北京 100083；;2.中国石油大学（华东） 深层油气重点实验室，山东 青岛 266580 |
| |
| 基金项目： | 国家自然科学基金项目“非常规油气地质评价”（41922015）和“电磁波辐射页岩油原位转化中的非热效应机理及其意义”（42072147）。 |
| |
| 摘 要： | 准确、快速地获取泥页岩孔隙度对页岩油空间分布及勘探目标预测具有重要意义。针对利用测井响应方程预测孔隙度精度较低的问题，建立一种基于随机森林算法的孔隙度预测模型，与BP 神经网络、支持向量机和XGBoost 算法进行预测精度对比，并利用SHAP 方法分析测井参数的重要性和影响范围。研究结果表明：随机森林算法可以很好地预测泥页岩孔隙度，且预测效果好于BP 神经网络、支持向量机和XGBoost 算法；基于随机森林算法的泥页岩孔隙度预测在渤海湾盆地某凹陷应用发现，对模型预测孔隙度最重要的前3 项测井参数为补偿中子、自然伽马和普通视电阻率；基于随机森林算法的泥页岩孔隙度预测模型可以快速识别单井孔隙度，不仅可以弥补因无法连续取心而难以获取完整孔隙度分布特征的问题，还能大幅提高孔隙度预测效率与精度。
|
| 关 键 词： | 随机森林 机器学习 测井 孔隙度预测 泥页岩 |
| 收稿时间： | 2022/12/14 0:00:00 |
| 修稿时间： | 2023/9/20 0:00:00 |
Shale porosity prediction based on random forest algorithm |
| |
| CUI Junfeng,YANG Jinlu,WANG Min,WANG Xin,WU Yan,YU Changqi.Shale porosity prediction based on random forest algorithm[J].Petroleum Geology and Recovery Efficiency,2023,30(6):13-21. |
| |
| Authors: | CUI Junfeng YANG Jinlu WANG Min WANG Xin WU Yan YU Changqi |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《油气地质与采收率》浏览原始摘要信息 |
|
点击此处可从《油气地质与采收率》下载全文 |
|
