蓝茜茜, 张逸伦, 康志宏*, 徐嘉宏, 孟 顺

(1.中国地质大学(北京)能源学院，北京 100083；2.北京大学地球与空间科学学院，北京 100871)

随着中国海相碳酸盐岩储层油气田的勘探开发取得突破性进展，碳酸盐岩储层的表征技术和有效性评价显得愈加重要。碳酸盐储层具有非均质性强、储集空间多样复杂、储集体类型难以准确描述及储层参数无法定量计算的特点，常规的储层测井评价基于多种地球物理手段，结合油藏储层地质特征、开发动静态分析和人工经验，提出适合于不同碳酸盐岩油气藏的储集体划分标准[1-2]。

在碳酸盐岩储集体划分和储集空间识别中，常规测井方法有交会图法、地质因子公式法、综合概率指数法等，但均无法很好地建立表征参数与储集体类型间的非线性关系；成像测井方法的标定效果直观且准确，但应用成本较高[3-4]。近年来，不同学者提出了若干基于机器学习的数学改进方法。陈钢花等[5]利用BP神经网络对储层缝洞中的泥质、砂质和结晶质三种充填物进行识别；谢玮等[6]利用参数优化的最小二乘支持向量机法，划分缝洞充填物为无充填、泥质充填、硅质充填和结晶碳酸盐岩充填四种，识别效果好于BP神经网络法；于聪灵等[7]将暗河型碳酸盐岩地质因素作为神经网络输入，对暗河系统充填程度进行预测，为储集体划分提供了新思路。

前人基于机器学习的储集体类型识别均只采用了单个学习器，虽然取得了一定效果，但识别准确率有待提高：采用单个BP神经网络的特征提取能力弱，且若增加网络层数会导致网络结构复杂，样本量不足时容易产生过拟合问题；……