基于小波降噪与人工智能的岩性识别研究

作者：房大志; 马伟竣; 阎续^*; 毛峥; 高杨

来源：测井技术, 2023, 47(04): 438-446.

DOI：10.16489/j.issn.1004-1338.2023.04.007

• 小波降噪
• 岩性识别
• 机器学习
• XGBoost
• 随机森林
• 支持向量机

岩性识别是深度学习在油气田开发的主要应用方向之一，人工智能模型可有效提升油气田开发、现场施工的效率。通过小波降噪技术，对某区块15 764条测井数据，及其7种特征进行降噪处理，提升测井曲线信噪比，进而构建随机森林、XGBoost、支持向量机模型，并采用精准度、召回率、F1评分对模型预测效果进行对比评估。研究结果表明，小波降噪技术可有效提升测井曲线信噪比，突出岩性特征。降噪处理后，XGBoost模型表现最优，测试集精准度、召回率、F1评分均可达0.998。支持向量机模型采用降噪后数据训练，预测效果提升最为明显，总评分提升9.2%。

• 单位
  长江大学