机器学习法在碳酸盐岩岩相测井识别中应用及对比 ——以四川盆地MX地区龙王庙组地层为例

摘要：

机器学习法是碳酸盐岩岩相测井识别的主要技术手段,针对不同地质情况和资料,选择适用的机器学习方法是高精度识别岩相的关键因素之一,然而针对机器学习识别岩相方法的适用性研究较少,为此列举了4种最常用的机器学习识别岩相方法:自组织神经网络聚类分析法(SOM)、基于图像多分辨率聚类分析法(MRGC)、K最近邻分类算法(KNN)和神经网络法(ANN).通过对比方法的原理及方法的实际应用效果,总结出这4种机器学习法的优缺点和适用性,少量岩心样本情况下,优选MRGC法;在较多数量岩心资料情况下,优选KNN或MRGC法.其在四川盆地MX地区龙王庙组地层岩相识别应用中表明:MRGC和KNN法效果最好,其次为SOM法,ANN法效果最差.不同机器学习方法实际应用及对比分析成果,对于碳酸盐岩岩相测井识别方法在其他层组或其他工区的应用起到借鉴作用,并具有较强的实用价值.

关键词：碳酸盐岩岩相;测井识别;机器学习;龙王庙组;四川盆地

所属期刊栏目：11

分类号：TE19(石油、天然气地质与勘探)

资助基金：国家科技重大专项"寒武系—中新元古界碳酸盐岩规模储层形成与分布研究";国家科技重大专项"四川盆地大型碳酸盐岩气田开发示范工程";陕西省科技厅"神府地区煤系非常规天然气共生聚集机制及开发潜力评价"

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：586-596