基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测

王如意; 吴钧; 杨向同; 丁江辉; 秦冬

首页> 中文期刊> 《大庆石油地质与开发》 >基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测

基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

总有机碳含量(w(TOC))是评价页岩储层含油性的一个重要参数,w(TOC)的定量表征与智能预测对于页岩油地质甜点标准确定、储量评估和开发方案设计具有重要作用。将岩心自动归位技术、基于相关系数的层次聚类算法和机器学习自动化技术融合为机器学习智能决策系统,可以解决w(TOC)智能预测的不确定性问题。该系统已经应用于古龙页岩油储层w(TOC)参数的定量表征及智能预测。结果表明:(1)将滑动窗口法岩心归位技术应用于井A2,确定4.250 m为岩心归位最优距离,归位后w(TOC)和声波时差(Δt)的相关系数从0.06提高到0.55;(2)应用基于相关系数的层次聚类算法挖掘出w(TOC)与声波时差(Δt)、密度(ρ_(DEN))和中子孔隙度(φ_(N))具有明显的相关性,与自然伽马(q_(AOI))、浅侧向电阻率(R_(LIS))、微球形聚焦电阻率(R_(MSFL))和深侧向电阻率(R_(MSFL))不具有明显相关性;(3)基于粒子群机器学习自动优化技术从6种回归算法中优选出随机森林算法及附带组合参数将古龙页岩油储层w(TOC)参数预测精度提高到81.7%。机器学习智能决策系统可以系统化降低古龙页岩油储层w(TOC)参数预测的不确定性,明显提高预测精度和计算效率。

著录项

来源
《大庆石油地质与开发》 |2022年第3期|172-182|共11页
作者
王如意; 吴钧; 杨向同; 丁江辉; 秦冬;
展开▼
作者单位

中国石油集团工程技术研究院有限公司;

中国石油大庆油田有限责任公司勘探开发研究院;

展开▼
原文格式 PDF
正文语种 chi
中图分类模拟理论与计算机技术在开发中的应用;地球物理勘探;
关键词
有机碳含量; 定量表征; 智能预测; 大数据; 机器学习; 智能决策系统;

相似文献

中文文献
外文文献
专利

1. 页岩气储层总有机碳含量地震定量预测方法及其在四川盆地LZ区块的应用 [J] . 王梦 ,康昆 ,龙浩 . 大庆石油地质与开发 . 2021,第003期
2. 基于贝叶斯判别的页岩气储层总有机碳含量分类预测方法 [J] . 殷梅 ,岑超 ,阮娟 . 地质学刊 . 2020,第004期
3. 基于离散过程神经网络页岩油气储层有机碳含量预测 [J] . 刘志刚 ,肖佃师 ,许少华 . 中国石油大学学报（自然科学版） . 2017,第002期
4. 松辽盆地古龙页岩油富集层地球物理定量表征方法及其应用 [J] . 王团 ,唐晓花 ,田得光 . 大庆石油地质与开发 . 2021,第005期
5. 页岩储层有机碳含量测井定量评价方法对比研究——以X地区研究为例 [J] . 樊晓伊 ,姚光庆 ,赵乾辰 . 石油地质与工程 . 2017,第002期
6. 基于RBF的页岩油气储层有机碳含量预测 [C] . Tan Maojin ,谭茂金 ,Zou Youlong . 中国地球物理学会第二十八届年会 . 2012
7. 页岩油储层岩石物理建模及有机质预测 [A] . 孙启星 . 2017

基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测

摘要

著录项

相似文献

相关主题

期刊订阅