地球科学学院石油系教师史今雄博士在石油领域重要期刊《Petroleum Science》上发表题为“Identification of reservoir types in deep carbonates based on mixed-kernel machine learning using geophysical logging data”的研究论文。本项研究得到了国家自然科学基金项目和湖北省自然科学基金项目的资助。
储层类型识别是油气地质研究的一项基础性工作,由于深层碳酸盐岩储集空间类型和分布的极强非均质特征,储层测井响应复杂,利用地球物理测井数据开展储层类型识别一直面临巨大挑战。为了解决上述问题,本研究在机器学习中引入混合核,开发了基于混合核的判别分析模型,应用于四川盆地中部震旦系灯影组碳酸盐岩储集层类型的识别。识别和盲井测试结果表明,所提出的判别模型在储集层类型识别方面优于传统的单核模型,具有良好的外推和插值能力,泛化能力更强。随着油气勘探开发向更为复杂和非均质更强的油气藏转移,混合核判别方法在储层岩性、岩相、沉积微相和裂缝的识别中具有广阔的应用前景。
论文链接:https://doi.org/10.1016/j.petsci.2023.12.016
图1储层类型识别流程图及模型参数优化结果
图2论文首页