基于PCA-CNN模型的页岩储层有机碳含量预测方法

总有机碳含量（TOC）是评价烃源岩有机质丰度和生烃潜力的指标之一。以东营凹陷牛庄洼陷页岩油取心井为例，以实验分析岩心TOC和测录井资料为基础，应用交会图获取TOC相关敏感参数。通过采用常规陆相页岩储层TOC计算模型即Δlog R法和多元回归分析法预测研究区湖相页岩储层TOC，相关性不高，效果不佳。因此提出选用机器学习模型即利用主成分分析（PCA）模型与改进的卷积神经（CNN）模型组合，形成PCA-CNN模型，通过PCA模型对数据降维，去除冗余信息和噪声信息，再利用CNN模型进行页岩储层TOC预测，使样本数据质量和TOC预测精度得以提高。将PCA-CNN模型应用到牛庄洼陷的6口页岩油取心井进行TOC预测，结果表明，对于陆相页岩储层，PCA-CNN模型TOC预测精度较高，符合率最高达96%。

Prediction method of total organic carbon in shale oil reservoir based on PCA-CNN model