利用梯度提升决策树(GBDT)预测渗透率——以姬塬油田西部长4+5段致密砂岩储层为例

作     者：谷宇峰 张道勇 鲍志东 冯志刚 李敬功 GU YuFeng;ZHANG DaoYong;BAO ZhiDong;FENG ZhiGang;LI JingGong

作者机构：自然资源部油气资源战略研究中心北京100034 中国石油大学(北京)北京102249 中海石油(中国)有限公司油气储量办公室北京100010 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2021年第36卷第2期

页      码：585-594页

摘      要：致密砂岩储层的研究对于当前国内油气勘探进展至关重要.准确掌握致密砂岩储层特征是开展油藏描述和有利区优选等工作的重要前提,而获取储层表征参数又是刻画储层特征的关键,所以储层参数预测技术逐渐成为当前研究热点之一.渗透率是划分油气水层以及后续井开发工程的重点分析要素.对于致密砂岩储层而言,因其非均质性强,使得渗透率很难用常规方法准确求取.为此,本文根据机器学习在数据分析上的强大性能,提出利用GBDT技术预测致密砂岩储层渗透率.本文以姬塬油田西部长4+5段致密砂岩储层测井资料为基础,通过设计2个实验来验证提出方法预测效果.为突出提出方法的预测能力,在实验中引入逐步迭代、Timur模型和BP模型进行对比.2个实验结果显示提出方法得到的拟合误差最小,证明GBDT技术能够有效用于致密砂岩储层渗透率预测,并且预测资料仅需测井数据,无需其他实验数据支撑,表明技术具有良好的推广性.

主 题 词：致密砂岩储层 渗透率预测 人工智能 机器学习 GBDT技术 逐步回归 物理模型 BP网络 

学科分类：081801[081801] 081802[081802] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.6038/pg2021EE0216

馆 藏 号：203103129...