首页|基于机器学习的鄂尔多斯盆地陇东地区长7段岩相测井识别方法

基于机器学习的鄂尔多斯盆地陇东地区长7段岩相测井识别方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
岩相分析是储层评价的基础,受取心数量和成本的影响,针对未取心井利用测井资料开展岩相识别工作至关重要.根据岩心薄片鉴定结果,并结合成像测井资料将鄂尔多斯盆地陇东地区长7段岩相划分为6类.在岩心标定的基础上,对各类岩相的测井响应特征进行总结,建立该研究区基于常规测井曲线的岩相识别模式,结合机器学习算法开展岩相的自动识别.由于传统的分类算法受岩相样本不均衡的影响较大,对比多种不均衡数据分类算法在该地区的应用效果发现,集成学习Bagging算法通过组合多个基分类器,极大地改善了各类岩相的分类性能,并将该地区岩相的整体识别精度提升了20%.据地区应用效果显示,单井识别精度可达84.33%,具有较好的适用性.
Well-log lithofacies classification based on machine learning for Chang-7 member in Longdong area of Ordos Basin

logging response characteristicslithofaciesunbalanced dataclassificationChang-7 member in Longdong area

谌丽、王才志、宁从前、刘英明、王浩

展开 >

中国石油勘探开发研究院,北京 100083

岩相 测井响应特征 非均衡数据集 分类 陇东地区长7段

中国石油科学研究与技术开发项目

2021DJ3903

2023

10.13809/j.cnki.cn32-1825/te.2023.04.015

油气藏评价与开发
中国石油化工集团公司华东石油局

油气藏评价与开发

CSTPCDCSCD北大核心
影响因子：0.461
ISSN：2095-1426
年,卷(期)：2023.13(4)
  • 2
  • 20