基于AdaBoost机器学习算法的大牛地气田储层流体智能识别

学术精汇

作者：

韩玉娇1 2

作者单位：

1. 页岩油气富集机理与有效开发国家重点实验室2. 中国石化石油工程技术研究院

摘要：

大牛地气田储层复杂，矿物组分多样、储集空间复杂、非均质性强，导致流体识别困难。为提高该气田复杂储层流体识别的准确率和解释效率，以广泛发育的低阻气藏为主要研究对象，采用Adaboost机器学习算法，分别以逻辑分类、决策树等主流智能算法作为弱分类器，集成了4类强分类器模型。基于低阻气藏成因机理分析优化了模型输入参数，基于常规测井和试油、试采资料进行了参数优选，并将上述模型应用到6口实际井资料中。结果显示，其中以决策树为弱分类器集成的强分类器取得了最佳识别效果，流体识别准确率达到86.5%，F1得分达到86.6%。研究结果表明，该方法可作为低阻气藏常规测井资料识别流体的有效手段，为流体评价提供了新思路。

关键词：

复杂储层流体识别机器学习智能识别大牛地气田

刊期：

2022，1（50）

所属栏目：

测井录井

基金资助：

国家重点研发计划项目“井筒稳定性闭环响应机制与智能调控方法”(2019YFA0708303),国家自然科学基金项目“海相深层油气富集机理与关键工程技术基础研究”(U19B6003),中国石化科技攻关项目“超高温高压测井仪器及测量系统研发”(P21081-4)

分类号：

TE927

DOI：

10.11911/syztjs.2022018

页数：

页码：

112-118

来源期刊

石油钻探技术

Petroleum Drilling Techniques