碳酸盐岩储层自适应模型常规测井渗透率预测

作者：徐鹏宇^*; 周怀来; 官俊洁; 陈莉; 周捷; 宋雨莎

来源：石油地球物理勘探, 2022, 57(05): 1192-1008.

DOI：10.13810/j.cnki.issn.1000-7210.2022.05.021

• 碳酸盐岩
• IPSO-XGBoost
• 自适应模型
• DRT
• 渗透率预测

碳酸盐岩储层常规测井渗透率预测主要依靠物理模型和拟合模型，然而物理模型通常难以获取精准的物理参数，拟合模型难以直接预测非均质性较强的储层。为此，从优化物理模型、拟合模型参数出发，利用改进的粒子群优化算法(IPSO)同时优化物理模型参数及机器学习模型参数，进而提出渗透率预测的自适应模型。以川中北部高石梯—磨溪区块灯影组灯二段储层为研究对象，通过两个实验验证该自适应模型的渗透率预测能力。结果表明：(1)耦合物理模型和机器学习模型能提高模型的预测能力，有效地解决了应用过程中物理模型基础资料不足问题；(2)IPSO算法能更有效地优化物理模型参数和机器学习模型参数，IPSO-XGBoost预测性能更优，具有很强的推广性；(3)通过IPSO算法迭代确定离散岩石类型(DRT)聚类算法中的经验系数更具推广性。该自适应模型可为碳酸盐岩储层渗透率的准确预测提供新思路。

• 单位
  油气藏地质及开发工程国家重点实验室; 成都理工大学