基于随机森林回归算法的低电阻率页岩气储层饱和度评价

含气(水)饱和度是低电阻率(低阻)页岩气储层中游离气量评价的关键参数,对低阻页岩气勘探开发风险评估极其重要,由于低阻页岩气储层成因复杂,常用的Archie、Simandoux饱和度电法模型及中子-密度重叠的非电法模型对准确计算含气饱和度都具有一定的局限性.鉴于随机森林回归算法具有自带监督学习、多棵决策树共同决策及防止过拟合的优点,通过多测井变量重要性排序,选取无铀伽马、声波时差、密度、中子、铀、钾、深浅侧向电阻率这8条测井曲线作为输入参数,岩心含水饱和度作为输出标签,通过参数调优,当决策树个数为238时,算法模型精度最高,最终建立了基于随机森林回归算法的低阻页岩气储层含水饱和度预测模型.分别对参与和未参与模型训练的各2 口低阻页岩气井进行含水饱和度预测,预测结果与岩心测试数据相关系数均达0.94以上,具有较强的泛化能力与适应性.该模型不受测井低电阻率的影响,有效地提高了低阻页岩气储层饱和度预测精度,为低阻页岩气储层含气量计算及勘探开发风险评价提供了依据,是一种便捷、实用、有效的方法.