基于AdaBoost機(jī)器學(xué)習(xí)算法的大牛地氣田儲層流體智能識別

韓玉嬌

（1.頁巖油氣富集機(jī)理與有效開發(fā)國家重點(diǎn)實(shí)驗(yàn)室, 北京 102206；2.中國石化石油工程技術(shù)研究院, 北京 102206）

隨著勘探開發(fā)對象日益復(fù)雜，鉆遇復(fù)雜儲層的概率增大，油（氣）水關(guān)系復(fù)雜程度日益升高，流體準(zhǔn)確識別難度不斷增大[1–2]。核磁共振測井、成像測井等特殊測井技術(shù)能夠提供更豐富的參數(shù)信息，有利于流體識別，但考慮到勘探成本，特殊測井技術(shù)尚不能廣泛應(yīng)用于生產(chǎn)，基于常規(guī)測井資料評價流體性質(zhì)仍然是研究熱點(diǎn)[3–5]。此外，復(fù)雜儲層通常巖性多變、孔隙結(jié)構(gòu)復(fù)雜，同時伴有較強(qiáng)的非均質(zhì)性，導(dǎo)致常規(guī)測井?dāng)?shù)據(jù)受多因素影響，其響應(yīng)特征與流體性質(zhì)之間存在多解性[5]。對于復(fù)雜儲層，傳統(tǒng)解釋方法建立的流體線性識別模型通常識別準(zhǔn)確率較低，難以滿足生產(chǎn)需要。在實(shí)際評價過程中，為提高流體識別的準(zhǔn)確率，常需要對大量數(shù)據(jù)進(jìn)行深入分析，建立多類圖版[5–8]，但該方法解釋效率低、主觀性強(qiáng)，且專業(yè)背景門檻高。

近年來，人工智能興起，為解決此類問題提供了新思路。相比于傳統(tǒng)測井評價方法，人工智能具有處理數(shù)據(jù)信息量大、維度多、重視數(shù)據(jù)間關(guān)聯(lián)性，可實(shí)時高效交互動態(tài)分析，同時保留測井專家的解釋經(jīng)驗(yàn)等優(yōu)勢。因此，機(jī)器學(xué)習(xí)逐漸成為儲層評價研究的熱點(diǎn)[9–11]。周雪晴等人[12]應(yīng)用雙向長短期記憶網(wǎng)絡(luò)（Bi-LSTM）建立了碳酸鹽巖儲層流體高精度識別模型。張銀德等人[13]結(jié)合測井和試采資料，利用支持向量機(jī)方法準(zhǔn)確識別了油、氣和水層。……