科研之友
微信
新浪微博
Facebook
分享链接
摘要
页岩气储层看似均一，实则在矿物、有机质、物性及含气性等方面具有强的非均质性特征，多元回归法和经验公式法等常规方法难以精确计算页岩气储层的甜点参数。机器学习中LightGBM回归算法具有训练效果好、不易过拟合及训练速度快等优点。通过选择自然伽马、无铀伽马、钍钾比、钍铀比、铀、钍、钾、声波时差、中子、密度10条能够反映储层甜点特性的测井曲线数据作为模型输入，储层甜点参数作为输出，开展多测井曲线变量贡献率分析，运用递归特征消除算法获取最优特征子集，最终构建了基于LightGBM回归算法的页岩气储层甜点参数（孔隙度、总有机碳含量、吸附气量、游离气量及总含气量）预测模型。进而对川南地区未参与模型训练的一口页岩气井进行甜点参数预测，计算结果与岩心测试甜点参数数据相关性达到了0.90以上，具有较强的泛化能力，表明LightGBM回归机器学习是一种复杂页岩气储层甜点参数有效、低成本的预测方法。
-
单位西南石油大学; 中国石油勘探开发研究院
