文献类型：期刊文章

作　　者：赖强[1] 魏伯阳[2,3] 吴煜宇[1] 潘保芝[2] 谢冰[1] 郭宇航[2]

Lai Qiang;Wei Boyang;Wu Yuyu;Pan Baozhi;Xie Bing;Guo Yuhang(PetroChina Southwest Oil and Gasfield Company,Chengdu,Sichuan 610041,China;Jilin University,Changchun,Jilin 130026,China;Henan General Research Institute of Coal Geology and Exploration,Zhengzhou,Henan 450046,China)

机构地区：[1]中国石油西南油气田分公司,四川成都610041 [2]吉林大学,吉林长春130026 [3]河南省煤炭地质勘察研究总院,河南郑州450046

出　　处：《特种油气藏》

基　　金：中国石油西南油气田科技重大专项“四川盆地二叠系火成岩成藏地质理论与勘探开发关键技术研究”(2019ZD01-04)。

年　　份：2021

卷　　号：28

期　　号：6

起止页码：62-69

语　　种：中文

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

摘　　要：针对火成岩油气藏火成岩岩性划分难,岩性划分准确率受薄片鉴定样本数量影响大的问题,利用随机森林(RF)算法分析不同的测井曲线与火成岩岩性相关性,再利用K-近邻(KNN)算法划分小样本薄片鉴定情况下的火成岩岩性。将研究成果应用于川西地区二叠系火成岩地层,结果表明:测井曲线与岩性相关程度从高到低依次为GR、R_(t)、DEN、CNL、AC;KNN算法划分火成岩岩性,k取值受分类数量和训练样本数量2个因素控制,样本数量较小时后者影响程度大于前者;k为3时,24个火成岩训练样本(5种岩性)KNN法回判准确率为87.5%,14个火成岩(5种岩性)测试样本测试准确率为92.5%。对比图版划分火成岩岩性,KNN算法受人为影响小,参数调节简便。该研究对小样本情况下火成岩岩性划分有重要指导意义。

关 键 词：火成岩油气藏 岩性划分 薄片鉴定  KNN 随机森林  

分 类 号：TE349]