基于极端梯度提升树算法的测井曲线重构方法

南海西部海域油田测井资料采集过程中经常会出现测井曲线缺失的问题,为油气层测井解释精确评价带来了较大困难。为解决该问题,基于XGBoost算法综合利用测井、气测录井资料实现测井曲线重构。该方法支持处理稀疏数据,并且通过网格搜索实现模型参数自动优选。通过在靶区对比不同机器学习算法以及不同测井曲线的重构效果,该方法的调参难度低、计算精度高,可以有效提高曲线重构的工作效率。将该方法应用到南海西部油田低阻水淹层识别工作中,取得了良好的应用效果。     

基于双向长短时循环神经网络的沉积微相自动识别方法——以莺歌海盆地东方B气田为例

莺歌海盆地东方B气田发育浅海重力流海底扇沉积，其砂体分布及叠置关系复杂，使用人工识别的方式进行沉积微相解释工作繁琐且易受主观因素影响。针对该问题，基于双向长短时循环神经网络设计串行网络架构沉积微相识别模型，该模型以测井资料、岩性录井资料为输入，可有效提取不同沉积微相的测井曲线形态特征，并充分考虑相邻沉积微相之间的关联性。将模型应用于该区沉积微相识别工作中，降低了储层非均质性及人工经验带来的影响，提高了识别精度，取得了良好的应用效果。