基于混合集成学习模型的测井曲线生成方法

• Published in: 测井技术 Vol. 48; no. 4; pp. 416 - 427
• Main Authors: 王宵宇, 廖广志, 肖立志, 黄文松, 孔祥文, 赵子斌
• Format: Journal Article
• Language: Chinese
• Published: 油气资源与工程全国重点实验室,中国石油大学(北京),北京 102249%中国石油勘探开发研究院,北京 100083 2024
• Subjects: 混合集成学习; hybrid ensemble learning; 全连接神经网络; 测井曲线; multivariate linear regression; 曲线生成; fully connected neural network; 多元线性回归; well log; log generation
• ISSN: 1004-1338
• DOI: 10.16489/j.issn.1004-1338.2024.04.002

P631.84; 测井曲线在储集层评价和油气资源评估中具有十分重要的作用,但是实际应用中经常出现部分测井曲线缺失的情况,而重新测井的成本高昂且实现困难.为了在不增加经济成本的基础上补充缺失的测井曲线,提出了一种基于混合集成学习模型的测井曲线生成方法,以高效智能的方式补全缺失的测井曲线.混合集成学习模型结合了随机森林模型和极限梯度提升模型的结构优势,深度挖掘测井数据之间的非线性映射关系,实现了对测井曲线的精准生成.将混合集成学习模型应用于实际测井数据,并将其生成结果与全连接神经网络模型和多元线性回归模型的生成结果进行对比分析,实验结果表明混合集成学习模型合成的人工测井曲线精度更高,说明了混合集成学习模型适用于生成测井曲线,为人工测井曲线合成提供了一种新的思路.