基于集成学习的碳酸盐岩储集体类型划分——以塔河油田T615井组为例

由于碳酸盐岩储层非均质性强、储集空间复杂多变、测井响应特征模糊,导致仅利用常规测井解释方法无法准确划分储集体类型。因此,将集成学习技术引入,以多种资料建立的测井响应模式为基础,提出一种结合Boosting和Bagging集成策略的改进方法应用于碳酸盐岩储集体类型划分中。采用AdaBoost.M2算法,以机器学习中的支持向量机、决策树、浅层神经网络为基分类器构建3个强学习器,并结合Bagging并行策略进行组合优化,得到储集体类型的最终划分结果。将该方法应用于塔河油田碳酸盐岩储层T615井组,结果表明:相较其他单分类器和基于同质基分类器的强分类器,本文方法的综合分类正确率最高,达92.3%,且对该井组的4类储集体的分类正确率均保持在90.0%左右,分类结果满足实际测井资料解释的精度要求,展现了集成学习技术在碳酸盐岩储集体类型划分中良好的应用效果。