典型文献
基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测
文献摘要：
总有机碳含量(w(TOC))是评价页岩储层含油性的一个重要参数,w(TOC)的定量表征与智能预测对于页岩油地质甜点标准确定、储量评估和开发方案设计具有重要作用.将岩心自动归位技术、基于相关系数的层次聚类算法和机器学习自动化技术融合为机器学习智能决策系统,可以解决w(TOC)智能预测的不确定性问题.该系统已经应用于古龙页岩油储层w(TOC)参数的定量表征及智能预测.结果表明:(1)将滑动窗口法岩心归位技术应用于井A2,确定4.250 m为岩心归位最优距离,归位后w(TOC)和声波时差(Δt)的相关系数从0.06提高到0.55;(2)应用基于相关系数的层次聚类算法挖掘出w(TOC)与声波时差(Δt)、密度(ρDEN)和中子孔隙度(?N)具有明显的相关性,与自然伽马(qAPI)、浅侧向电阻率(RLLS)、微球形聚焦电阻率(RMSFL)和深侧向电阻率(RLLD)不具有明显相关性;(3)基于粒子群机器学习自动优化技术从6种回归算法中优选出随机森林算法及附带组合参数将古龙页岩油储层w(TOC)参数预测精度提高到81.7％.机器学习智能决策系统可以系统化降低古龙页岩油储层w(TOC)参数预测的不确定性,明显提高预测精度和计算效率.
文献关键词：
有机碳含量;定量表征;智能预测;大数据;机器学习;智能决策系统
中图分类号：
作者姓名：
王如意;吴钧;杨向同;丁江辉;秦冬
作者机构：
中国石油集团工程技术研究院有限公司,北京 102206;中国石油大庆油田有限责任公司勘探开发研究院,黑龙江 大庆 163712
文献出处：
引用格式：
[1]王如意;吴钧;杨向同;丁江辉;秦冬-.基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测)[J].大庆石油地质与开发,2022(03):172-182
A类：
岩心归位,qAPI,RLLS,RMSFL,RLLD
B类：
基于机器学习,智能决策系统,古龙页岩油,页岩油储层,总有机碳含量,定量表征,智能预测,TOC,页岩储层,含油性,重要参数,地质甜点,储量评估,开发方案,层次聚类算法,自动化技术,技术融合,滑动窗口法,A2,和声,声波时差,挖掘出,DEN,中子孔隙度,自然伽马,侧向,电阻率,微球,自动优化,优化技术,回归算法,随机森林算法,附带,组合参数,参数预测,计算效率
AB值：
0.213183
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
