基于机器学习的致密储层流体识别方法研究
2022-03-31罗刚肖立志史燕青邵蓉波
石油科学通报 2022年1期
关键词:模型
罗刚,肖立志,史燕青,邵蓉波
中国石油大学(北京)人工智能学院,北京 102249
0 引言
测井是研究地下储集层岩性及物性、识别储层流体性质的有效途径。通过对测井资料的分析解释可以极大加深对地下情况的认知,测井资料是辅助专家寻找和评价储集层的重要资源。但是,由于测井资料的处理及解释以岩石物理机理模型为基础,需要许多先验条件,在实际应用中会出现不适应性从而引起误差。测井数据和地层模型的不确定性及不适定性,使资料处理解释具有多解性。随着大数据时代的到来,学者相继尝试通过数据驱动的方法实现测井资料的处理与解释,提高生产效率[1]。
源于 20 世纪 50 年代初的机器学习依次经历了推理期、知识期和学习期3个历史阶段,1943 年,神经科学家麦卡洛克和数学逻辑学家皮兹提出了MCP模型[2],使人工神经网络迎来发展时期,在夯实了神经网络模型理论基础的同时也标志着深度学习的开端。21世纪以来,面对信息化、大数据的时代,传统的机器学习算法在语音识别、图像识别、目标检测等领域的发展遇到了瓶颈,而计算能力的提升使深度学习突破了机器学习所面临的局限,与此同时也扩充了人工智能所涉及的领域,将机器学习相关理论应用到测井资料处理和解释,进一步提高解释结果的精度和可靠性,将具有重要的实际意义和研究价值。越来越多的学者提出使用KNN、委员会机器、支持向量机、分布式梯度提升(XGBoost)等传统机器学习方法完成测井数据的处理与解释。……
登录APP查看全文
