文献类型：期刊文章

作　　者：王恒[1] 姜亚楠[1] 张欣[1] 仲鸿儒[2] 陈庆轩[3] 高世臣[1]

Wang Heng;Jiang Yanan;Zhang Xin;Zhong Hongru;Chen Qingxuan;Gao Shichen(School of Mathematics and Physics,China University of Geosciences,Beijing 100083,China;School of Information Engineering,China University of Geosciences,Beijing 100083,China;Fifth Gas Production Plant of Petro China Changqing Oilfield Company,Xi’an 750006,China)

机构地区：[1]中国地质大学(北京)数理学院,北京100083 [2]中国地质大学(北京)信息工程学院,北京100083 [3]中国石油长庆油田分公司第五采气厂,西安750006

出　　处：《吉林大学学报（地球科学版）》

基　　金：国家科技重大专项项目(2016ZX05050)。

年　　份：2021

卷　　号：51

期　　号：3

起止页码：940-950

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、IC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN(K近邻分类器)、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。

关 键 词：岩性识别 梯度提升算法  碳酸盐岩 决策树

分 类 号：TP181]