基于2种机器学习方法的页岩TOC含量评价——以川南五峰组—龙马溪组为例

作者：杨占伟; 姜振学^*; 梁志凯; 吴伟; 王军霞; 宫厚健; 李维邦; 苏展飞; 郝绵柱

来源：岩性油气藏, 2022, 34(01): 130-138.

• 主成分分析法
• BP神经网络
• GBDT
• 五峰组—龙马溪组
• 川南

为了建立合理准确的川南五峰组—龙马溪组页岩TOC含量预测方法,以长宁、泸州等地区的测井曲线及17口井实测TOC含量数据为基础,利用主成分分析法对这些资料进行预处理,基于BP神经网络和梯度提升决策树(GBDT)方法建立2种TOC含量预测模型,并将之与传统TOC含量预测方法进行对比。结果表明:(1) 2种新模型的准确度均高于传统方法,预测结果与实际值吻合度均满足要求。(2)与BP神经网络模型相比,GBDT预测精度更高,均方根误差仅为0.0387。利用GBDT方法所建立的TOC含量预测模型具有低成本、高效、连续等特点,能够快速准确地预测目的层TOC含量。该成果可为提高页岩油气勘探开发效率提供有效技术支撑。

• 单位
  油气资源与探测国家重点实验室; 中国石油大学（北京）