基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

作     者：黄千玲 赵军龙 白倩 许鉴源 HUANG Qianling;ZHAO Junlong;BAI Qian;XU Jianyuan

作者机构：西安石油大学地球科学与工程学院陕西西安710000 西安石油大学陕西省油气成藏地质学重点实验室陕西西安710000 

出 版 物：《地质通报》 (Geological Bulletin of China)

年 卷 期：2024年第43卷第4期

页      面：658-666页

核心收录：

学科分类：0820[工学-石油与天然气工程] 070903[理学-古生物学与地层学(含：古人类学)] 081803[工学-地质工程] 0709[理学-地质学] 07[理学] 08[工学] 0818[工学-地质资源与地质工程] 082002[工学-油气田开发工程] 

基　　金：陕西省自然科学基础研究计划《基于生烃期古构造的致密油有利区识别方法--以鄂尔多斯盆地为例》(编号:2019JM-359) 

主　　题：沉积微相 Adaboost算法 测井 自动识别 陇东气田 

摘      要：在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。