基于随机森林算法的泥页岩孔隙度预测

作者：崔俊峰; 杨金路; 王民; 王鑫; 吴艳; 余昌琦

来源：油气地质与采收率, 2023, 30(06): 13-21.

DOI：10.13673/j.pgre.202212025

• 随机森林
• 机器学习
• 测井
• 孔隙度预测
• 泥页岩

准确、快速地获取泥页岩孔隙度对页岩油空间分布及勘探目标预测具有重要意义。针对利用测井响应方程预测孔隙度精度较低的问题，建立一种基于随机森林算法的孔隙度预测模型，与BP神经网络、支持向量机和XGBoost算法进行预测精度对比，并利用SHAP方法分析测井参数的重要性和影响范围。研究结果表明：随机森林算法可以很好地预测泥页岩孔隙度，且预测效果好于BP神经网络、支持向量机和XGBoost算法；基于随机森林算法的泥页岩孔隙度预测在渤海湾盆地某凹陷应用发现，对模型预测孔隙度最重要的前3项测井参数为补偿中子、自然伽马和普通视电阻率；基于随机森林算法的泥页岩孔隙度预测模型可以快速识别单井孔隙度，不仅可以弥补因无法连续取心而难以获取完整孔隙度分布特征的问题，还能大幅提高孔隙度预测效率与精度。

• 单位
  中国石油勘探开发研究院; 中国石油大学（华东）