典型文献
基于机器学习的火山岩岩性智能识别及预测
文献摘要：
针对准噶尔盆地金龙2井区佳木河组火山岩油气藏岩性多变,常规方法难以准确识别的问题,利用机器学习中的决策树、随机森林、梯度提升树、贝叶斯4种算法对研究区岩性进行智能识别,在分析研究区火山岩储层地质特点的基础上,结合不同岩性测井响应特征,确定M、N等8个对火山岩岩性极为敏感的特征参数.研究结果表明:随机森林法模型最优,准确率达到90％以上,模型泛化能力最强,可作为利用常规测井曲线识别火山岩岩性的有效方法.该模型可以高精度地进行火山岩岩性识别及预测,为后续火山岩油藏的勘探与开发奠定基础.
文献关键词：
火山岩;岩性特征;机器学习;智能识别;决策树;随机森林
中图分类号：
作者姓名：
刘凯;邹正银;王志章;蒋庆平;常天全;王伟方;杨笑
作者机构：
中国石油新疆油田分公司,新疆 克拉玛依 834000;中国石油大学(北京)油气资源与探测国家重点实验室,北京 102249;中国石油长庆油田分公司,陕西 西安 710018
文献出处：
引用格式：
[1]刘凯;邹正银;王志章;蒋庆平;常天全;王伟方;杨笑-.基于机器学习的火山岩岩性智能识别及预测)[J].特种油气藏,2022(01):38-45
A类：
B类：
基于机器学习,火山岩岩性,性智,智能识别,对准,准噶尔盆地,井区,佳木河组,油气藏,常规方法,准确识别,决策树,梯度提升树,火山岩储层,储层地质,地质特点,测井响应特征,随机森林法,模型泛化,泛化能力,常规测井,测井曲线,岩性识别,油藏,勘探与开发,岩性特征
AB值：
0.318352
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。
