基于机器学习算法和属性特征双优选的砂体岩性预测方法

随着油气田勘探开发难度越来越大,对砂体岩性预测精度提出更高要求.具有较高纵向分辨率的地质统计学方法,随着其应用范围越来越广,井间预测可靠性不足的缺点愈加明显.基于机器学习算法和属性特征双优选的砂体岩性预测方法,首先通过井震精细标定,明确砂体在地震数据和属性体上的特征;然后在属性特征优选和确定测井敏感曲线的基础上,选择最优的机器学习算法;接下来使用K折交叉验证法,获得最优超参数组合,最后通过多次迭代获得预测精度和鲁棒性都较高的训练模型.将该方法应用于埕岛东坡馆上段5砂组砂体岩性预测,不仅井点吻合度较高,预测的井间砂体延展形态也与地震数据保持一致,井间预测可靠性较高.