文献类型：期刊文章

作　　者：史鹏宇[1,2,3] 徐思慧[4] 冯加明[4] 史鹏达[5] 赵培强[1,2,3] 毛志强[1,2,3]

SHI PengYu;XU SiHui;FENG JiaMing;SHI PengDa;ZHAO PeiQiang;MAO ZhiQiang(College of Geophysics,China University of Petroleum,Beijing 102249,China;National Key Laboratory of Petroleum Resources and Engineering,Beijing 102249,China;Beijing Key Laboratory of Earth Prospecting and Information Technology,Beijing 102249,China;Exploration and Production Research Institute,PetroChina Tarim Oil Company,Korla 841000,China;Chengdu University of Information Technology,Chengdu 610225,China)

机构地区：[1]中国石油大学(北京)地球物理学院,北京102249 [2]油气资源与工程全国重点实验室,北京102249 [3]地球探测与信息技术北京市重点实验室,北京102249 [4]中国石油塔里木油田分公司勘探开发研究院,库尔勒841000 [5]成都信息工程大学,成都610225

出　　处：《地球物理学进展》

基　　金：中国石油大学(北京)引进人才启动基金(2462020BJRC001)资助.

年　　份：2024

卷　　号：39

期　　号：1

起止页码：280-290

语　　种：中文

收录情况：BDHX、BDHX2023、CSCD、CSCD2023_2024、JST、ZGKJHX、核心刊

摘　　要：致密砂岩储层物性差,测井响应对孔隙流体不敏感,应用传统测井解释图版划分流体类型精度较低.机器学习技术通过学习更多维度的特征,可以建立合适的流体识别模型.相较于单一算法,集成学习可以通过联合多个专家模型提升预测精度,但是不同的集成学习策略性能差距较大.本文提出了一种改进的Stacking算法,通过平均影响值法寻找敏感测井曲线作为输入,利用不同的特征集构建多个子模型,并使用不同集成策略将其组合为若干性能更佳的专家模型进行训练,同时引入独立专家避免过拟合,将专家模型的预测结果通过交叉验证的方式进行模拟预测,最后应用元学习器预测最终结果.将该方法用于库车坳陷迪北气藏致密砂岩储层流体识别,测试准确率可达93%,优于CatBoost模型和XGBoost模型,证明了该方法的有效性和适用性.为致密砂岩储层流体识别提供了新的思路.

关 键 词：机器学习  集成学习  Stacking算法  致密砂岩储层 流体识别

分 类 号：P631]