基于SMOTE和XGBoost的天然气水合物与天然气储层识别OA北大核心CSTPCD
天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了一种用于储层识别的混合方法,即采用改进的SMOTE算法增加少数类储层样本数量,并进行去噪处理,可有效地解决数据不均衡的问题,再利用XGBoost算法对储层进行识别。结果表明:相比于传统的机器学习方法,RLSMOTE-XGB方法在储层识别方面具有更高的有效性和准确性,该方法解决了传统机器学习方法在样本类别不均衡时的局限性,储层识别精度从66.7%提高至86.4%,算法的性能得到显著提升。该研究可有效提高天然气水合物与天然气储层识别效果,对实现智能化识别储层有重要意义。
杜睿山;黄玉朋;付晓飞;孟令东;张轶楠;靳明洋;蔡洪波;
东北石油大学,黑龙江大庆163318 黑龙江省油气藏及地下储库完整性评价重点实验室,黑龙江大庆163318东北石油大学,黑龙江大庆163318黑龙江省油气藏及地下储库完整性评价重点实验室,黑龙江大庆163318中国石油辽河油田分公司,辽宁盘锦124010
石油、天然气工程
储层识别SMOTE机器学习RLSMOTE-XGB离群点检测算法
《特种油气藏》 2024 (005)
P.11-19 / 9
国家重点研发计划“区域二氧化碳捕集与封存关键技术研发与示范”(2022YFE0206800);黑龙江省自然科学基金“基于多源深度强化学习的复杂场景视频事件检测”(LH2021F004)。
评论