《基于机器学习融合模型的页岩气藏测井曲线构建方法》作者：王鸣川，岳明【PDF】

书呆熊

基于机器学习融合模型的页岩气藏测井曲线构建方法
王鸣川，岳明
（1.中国石化石油勘探开发研究院，北京102206；
2.北京科技大学土木与资源工程学院，北京100083）
摘要：针对页岩气藏多数开发井台测井曲线缺失给页岩气藏的精细表征与建模带来困难，单一机器学习模型构建测井曲线的精度无法满足需求且泛化性低的问题，提出了一套基于机器学习融合模型的页岩气藏测井曲线构建方法。在已知测井曲线预处理的基础上，建立训练数据集，输入到深度神经网络（decpneuralnetwork,DNN）、卷积神经网络（convolutionalneuralnctwork,CNN）、长短期记忆神经网络（longshort-termmemory,LSTM）和随机森林（randomforest,RF）4个个体学习器进行初步训练，从测井数据的序列特征、空间信息、细粒度特征等获取数据间的非线性映射关系。接着根据验证集数据进行模型参数调整，并获取各模型的预测精度。然后基于预测效果为各学习器分配权重，并对预测结果进行加权融合，从而形成高精度且泛化性强的测井曲线并构建融合模型。选取四川盆地X区块4口盲井进行应用效果验证，4口井构建的测井曲线，与原始的测井曲线相比，平均精度在90%以上。结果表明，新方法不仅能准确构建不同性质的测井曲线，而且泛化性强，能为页岩气藏的精细表征与建模提供较为可靠的测井曲线数据。
关键词：页岩气藏；测井曲线；机器学习；融合模型；数据处理；构建方法
中图分类号：TE122