基于ReliefF和LSBoost集成树核磁有效孔隙度频谱预测及分辨率匹配研究
收藏资源简介
核磁测井技术是获取页岩油储层孔隙度的关键手段,但不同仪器的纵向分辨率差异严重影响油层厚度划分与甜点刻画。基于傅里叶变换,分析不同核磁有效孔隙度曲线的频谱特征,利用ReliefF算法,选取微球聚焦电阻率、声波时差、中子孔隙度、P型核磁有效孔隙度等曲线频谱幅度作为机器学习模型的输入特征,以CMR型核磁有效孔隙度曲线的频谱幅度为目标值,构建了决策树与LSBoost集成树的核磁有效孔隙度频谱幅度预测模型,对比不同机器学习模型的预测结果,LSBoost集成树模型具有更高的预测精度。为实现不同系列核磁测井间的分辨率匹配,创新性的融合时频分析法与分辨率匹配法,提出基于频谱幅度移植提高核磁有效孔隙度分辨率的方法,显著提升了低分辨率核磁有效孔隙度曲线的分辨率。重构核磁有效孔隙度曲线在油层厚度划分等应用中优势显著,充分证明了该分辨率匹配研究方法具有较高的应用价值,为准噶尔盆地吉木萨尔凹陷二叠系芦草沟组甜点分布的精准刻画以及页岩油的高效开采奠定了基础,但在高黄铁矿含量地层及薄层中存在适应性局限。