基于XGBoost的测井曲线重构方法

作者：张家臣^*; 邓金根; 谭强; 石林

来源：石油地球物理勘探, 2022, 57(03): 697-496.

DOI：10.13810/j.cnki.issn.1000-7210.2022.03.020

• 测井曲线
• 重构方法
• 机器学习
• 神经网络
• XGBoost

测井数据在地层评价中具有十分重要的作用，但是实际应用中由于地质、工程等因素的影响，经常出现部分测井数据缺失甚至漏测的情况。基于传统的经验模型和多元回归分析的测井曲线重构方法精度不够，因此提出利用机器学习方法进行测井曲线的重构；考虑到神经网络的局限性，基于XGBoost构建了测井曲线重构模型。以渤海湾盆地定向井为例验证重构模型的效果：首先进行了测井曲线补全和生成实验，并通过K折交叉验证将XGBoost模型性能与梯度提升决策树(GBDT)、随机森林(RF)和全连接神经网络(FNN)三种方法进行对比，然后结合地质背景分析预测效果。验证结果表明，基于XGBoost的测井曲线重构方法在准确性和稳定性方面都取得了更好的效果，并且表现出较强的泛化能力。

• 单位
  油气资源与探测国家重点实验室; 中国石油大学（北京）