基于机器学习的油气水层随钻识别模型优选

论文摘要

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。

论文目录

• 引 言
• 1 机器学习分类识别模型建立
•   1.1 数据处理方法选择
•   1.2 机器学习算法选择
•     （1）支持向量机
•     （2）随机森林
•   1.3 模型参数优选方法
• 2 不同油气水层分类识别模型参数优选
•   2.1 数据准备与处理
•   2.2 OVR SVMs模型参数优选
•   2.3 OVO SVMs模型参数优选
•   2.4 RF模型参数优选
• 3 不同油气水层分类识别模型应用及效果
• 4 结 论

文章来源

类型: 期刊论文

作者: 孙健,李琪,陈明强,任龙

关键词: 随钻油气水层识别,机器学习,支持向量机,随机森林算法,模型优选

来源: 西安石油大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 石油天然气工业,自动化技术

单位: 中国石油大学(北京)石油工程学院,西安石油大学石油工程学院,西安石油大学陕西省油气井及储层渗流与岩石力学重点实验室

基金: 国家自然科学基金青年科学基金项目“致密油体积压裂缝网形成及多重介质流固全耦合流动模拟”(51704235),陕西省高校科协青年人才托举计划“非常规储层体积压裂缝网形成机制及扩展模拟”(20180417)

分类号: TP181;TE142

页码: 79-85+90

总页数: 8

文件大小: 2582K

下载量: 196