机器学习算法在地球物理测井中的适用性及应用 |
| |
引用本文: | 程希,周军,傅海成,罗雄民.机器学习算法在地球物理测井中的适用性及应用[J].西北地质,2023(4):336-348. |
| |
作者姓名: | 程希 周军 傅海成 罗雄民 |
| |
作者单位: | 1. 西安石油大学地球科学与工程学院;2. 西安石油大学院士专家工作站;3. 中国石油集团测井有限公司;4. 中国石油集团勘探开发研究院 |
| |
基金项目: | 油气藏地质及开发工程国家重点实验室基金项目“基于物理模拟与数据模型的过套管地层真电阻率反演方法研究”(PLN2022JM-14)资助; |
| |
摘 要: | 机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能(Oil&Gas AI)极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据–算法–平台–知识–应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于...
|
关 键 词: | 机器学习算法 测井大数据 岩性识别 油藏评价 |
|
|