典型文献
基于AdaBoost机器学习算法的大牛地气田储层流体智能识别
文献摘要：
大牛地气田储层复杂,矿物组分多样、储集空间复杂、非均质性强,导致流体识别困难.为提高该气田复杂储层流体识别的准确率和解释效率,以广泛发育的低阻气藏为主要研究对象,采用Adaboost机器学习算法,分别以逻辑分类、决策树等主流智能算法作为弱分类器,集成了4类强分类器模型.基于低阻气藏成因机理分析优化了模型输入参数,基于常规测井和试油、试采资料进行了参数优选,并将上述模型应用到6口实际井资料中.结果显示,其中以决策树为弱分类器集成的强分类器取得了最佳识别效果,流体识别准确率达到86.5％,F1得分达到86.6％.研究结果表明,该方法可作为低阻气藏常规测井资料识别流体的有效手段,为流体评价提供了新思路.
文献关键词：
复杂储层;流体识别;机器学习;智能识别;大牛地气田
中图分类号：
作者姓名：
韩玉娇
作者机构：
页岩油气富集机理与有效开发国家重点实验室, 北京 102206;中国石化石油工程技术研究院, 北京 102206
文献出处：
引用格式：
[1]韩玉娇-.基于AdaBoost机器学习算法的大牛地气田储层流体智能识别)[J].石油钻探技术,2022(01):112-118
A类：
低阻气藏
B类：
AdaBoost,机器学习算法,大牛地气田,体智能,智能识别,矿物组分,储集空间,非均质性强,流体识别,复杂储层流体,Adaboost,决策树,智能算法,弱分类器,成因机理分析,分析优化,模型输入,输入参数,常规测井,试油,试采,参数优选,模型应用,口实,分类器集成,识别准确率,测井资料,流体评价
AB值：
0.308909
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。
