基于层次专家委员会机器模型的致密储层裂缝开度预测方法

裂缝开度是表征致密储层品质及评价油气产能的关键参数.受沉积、成岩和构造作用的影响,致密储层具有较强的非均质性,导致测井响应特征复杂、无规律,利用常规测井解释方法或者单一机器学习模型很难准确预测储层裂缝开度.为了解决这一问题,提出一种基于层次专家委员会机器模型的致密储层裂缝开度预测方法.首先,从岩心和成像测井资料中获取储层裂缝开度参数,选取相同深度敏感的测井数据作为特征变量构建样本集;然后,采用核岭回归、支持向量回归、BP神经网络作为基础专家网络单元训练、学习样本集;再借助递阶层次结构模型和门神经网络模型构建层次网络模块,自适应生成各个基础专家网络单元的初始权重;最后,综合考虑各个基础专家网络单元的预测性能,利用条件交替期望变换确定各个基础专家网络在最终输出中的贡献,准确预测储层的裂缝开度.实际资料应用表明,该方法能有效地定量表征井中储层裂缝开度,可为致密储层评价提供可靠的地球物理技术支撑.