基于随机森林算法的泥页岩岩相测井识别

Abstract

摘要: 泥页岩岩相识别是页岩油空间分布及勘探目标预测的一项重要工作，受地层非均质性及测井信息冗余的制约，基于测井响应方程的岩相识别十分困难.本文建立了一种基于随机森林算法的岩相识别模型，使用SHAP方法量化测井参数重要性.结果表明：随机森林算法可以很好地识别泥页岩岩相，其准确率高于支持向量机、KNN和XGBoost，并且对数据集中岩相类别不均衡的分类问题更加有效；对模型识别岩相最重要的前3项测井参数是自然电位、井径和声波时差；该模型可快速识别单井岩相，再根据总孔隙度、游离烃S1、TOC等参数可确定有利岩相类型，进而确定研究区有利岩相分布，为后续“甜点”预测提供依据. 关键词: 随机森林 / 机器学习 / 测井 / 岩相识别 / 泥页岩