基于小波降噪與人工智能的巖性識別研究

房大志，馬偉竣，閻續，毛崢，高楊

（1.中石化重慶頁巖氣有限公司，重慶 408400；2.長江大學石油工程學院，湖北 武漢 430100；3.湖北省油氣鉆采工程重點實驗室，湖北 武漢 430100）

0 引 言

巖性識別可以幫助確定儲層的巖性、孔隙結構和滲透性，為油氣勘探和開發提供關鍵信息，并指導井位選擇、鉆井設計和油氣生產管理。目前傳統的巖性識別方法主要為直接法和間接法。直接法是通過直接觀察巖心來確定巖性，不同地質工程人員做出的解釋不同導致這種方法不夠準確。間接法是通過測井曲線來定量研究地質構造的物理特征，采用層析成像技術直接獲得并觀察井壁圖片。測井曲線解釋需要對多條測井曲線進行人工識別并標注巖性，工作繁重且耗時長，甚至需要借助交會圖等圖形技術[1]，技術要求高。而層析成像技術又受成像深度等因素限制無法廣泛應用。總而言之，傳統識別方法精度低、效率慢并且人為因素影響大，因此，需要將儲層表征過程自動化，研究出一種高精度自動識別巖性的方法。

近年來，計算機技術逐漸被引入巖性識別工作中，其中機器學習法可實現巖性識別自動化[2]，能使巖層識別過程更加高效。目前學者對不同機器學習模型在巖性自動識別方面的應用進行研究。CRACKNELL M J等[3]使用大量地球物理數據，比較5種機器學習在巖性分類中的性能。XIE Y等[4]使用測井數據，采用5種機器學習方法進行巖性識別。LUO H等[5]使用神經網絡根據巖性敏感曲線預測陸相頁巖油氣藏的巖性。……