基于粗糙集——随机森林算法的复杂岩性识别

发布时间：2018-06-24 06:56

  本文选题：复杂岩性储层 + 碳酸盐岩　； 参考：《大庆石油地质与开发》2017年06期

【摘要】：针对复杂岩性碳酸盐岩储层原有岩性识别方法精度较低、泛化能力不足、结果不稳定等问题,提出基于粗糙集-随机森林算法的复杂岩性识别方法。利用邻域粗糙集的属性约简选取岩性敏感曲线,在不影响岩性识别基础上将不必要曲线删除,能有效去除冗余信息;其次将筛选出的曲线作为随机森林模型输入,建立粗糙集-随机森林算法的岩性识别模型。通过对某区块502块岩心数据处理,该模型岩性判别率稳定到88.3%,比Fisher判别、Bayes判别等方法精度高,且实现简单,有较强泛化能力。该方法可作为复杂岩性储层岩性识别方法,为复杂岩性储层的勘探开发提供帮助。
[Abstract]:Aiming at the problems of low accuracy, poor generalization ability and unstable results of the original lithology recognition method for carbonate reservoirs with complex lithology, a new method based on rough set and stochastic forest algorithm is proposed. Using attribute reduction of neighborhood rough set to select lithology sensitive curve, the unnecessary curve can be deleted without affecting lithology recognition, and redundant information can be removed effectively. Secondly, the selected curve is input as a stochastic forest model. The lithology recognition model of rough set-random forest algorithm is established. Based on the data processing of 502 cores in a certain block, the lithology discrimination rate of the model is stable to 88.3, which is more accurate than the Fisher discriminant Bayes discriminant method, and is easy to realize and has a strong generalization ability. This method can be used as a lithologic identification method for complex lithologic reservoirs and can be helpful to the exploration and development of complex lithologic reservoirs.
【作者单位】： 长江大学油气资源与勘探技术教育部重点实验室;长江大学非常规油气湖北省协同创新中心;
【基金】：国家自然科学基金项目“页岩油储层岩石物理特性数值模拟研究”(41504094)、“致密气储层岩石导电机理研究及饱和度评价”(41404084) “十三五”国家科技重大专项“复杂碳酸盐岩储层测井评价关键技术研究与应用”(2017ZX05032003-005)
【分类号】：P618.13

【相似文献】

相关期刊论文 前10条

1 陈溧;关于综合岩性识别和油气评价的一种设想[J];石油物探;1985年01期

2 孟凡顺;徐会君;朱焱;黄彦铭;;基于主成分分析的距离判别分析方法在岩性识别中的应用[J];石油工业计算机应用;2011年01期

3 刘倩茹;薛林福;潘保芝;白烨;张程恩;;梨树断陷砂砾岩测井岩性识别[J];测井技术;2013年03期

4 张万良;遥感岩性识别研究的发展趋势——遥感与航空放射性信息集成[J];矿物岩石地球化学通报;2005年01期

5 赵杰;李春华;;基于神经网络的两种岩性识别方法的研究[J];现代电子技术;2009年22期

6 田玉昆;周辉;袁三一;;基于马尔科夫随机场的岩性识别方法[J];地球物理学报;2013年04期

7 张治国,杨毅恒,夏立显;自组织特征映射神经网络在测井岩性识别中的应用[J];地球物理学进展;2005年02期

8 宗金峰;;最大隶属优势准则在测井岩性识别中的应用[J];河北地质学院学报;1988年01期

9 李剑峰,赵英俊,刘德长,付锦;灵泉盆地多源地学信息综合岩性识别方法探讨[J];国土资源遥感;1999年02期

10 王淑盛,徐正光,刘黄伟,王志良,史立峰;改进的K近邻方法在岩性识别中的应用[J];地球物理学进展;2004年02期

相关会议论文 前4条

1 郭瑞华;曹庆年;程国建;;基于粒子群优化的最小二乘支持向量机在岩性识别中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

2 李新虎;;基于不同测井曲线参数集的支持向量机岩性识别对比[A];陕西地球物理文集（十）--资源与灾害地球物理[C];2011年

3 尚林阁;李舟波;刘四新;柳孟文;;变质岩系储集层的岩性识别方法[A];1992年中国地球物理学会第八届学术年会论文集[C];1992年

4 李继安;;人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例[A];陕西地球物理文集（九）[C];2010年

相关博士学位论文 前2条

1 牟丹;辽河盆地中基性火成岩测井岩性识别方法研究[D];吉林大学;2015年

2 李春山;X射线荧光岩屑识别技术研究[D];西北大学;2010年

相关硕士学位论文 前10条

1 石振杰;基于面向对象的遥感技术岩性识别研究[D];昆明理工大学;2016年

2 付光明;基于重磁三维反演的岩性识别与立体填图[D];东华理工大学;2017年

3 郑凯航;基于大数据技术的随机森林模型并行化设计及实现[D];太原理工大学;2017年

4 张洪江;常规、成像测井等资料砂砾岩岩性识别研究[D];东北石油大学;2011年

5 邵阳;含火山岩地层测井响应分析及岩性识别技术研究[D];大庆石油学院;2010年

6 马晓龙;扶新隆起带扶余油层测井资料岩性识别及岩相划分[D];东北石油大学;2011年

7 王鑫;东营北带深层砂砾岩测井层序对比与岩性识别研究[D];中国石油大学;2010年

8 关涛;砂砾岩岩性识别方法研究[D];吉林大学;2013年

9 盛宇宏;基于IDL的岩性识别[D];中国地质大学（北京）;2010年

10 王鹏飞;粗糙集的支持向量机的优化方法研究及在资源评价中的应用[D];石家庄经济学院;2015年

，

本文编号：2060487