物理动机特征增强的机器学习在岩相分类中的应用

随着算法的最新进展与海量计算能力的可用，机器学习技术的应用正成为油气行业的热门话题。将机器学习应用于上游领域最有前景的方面之一是储层表征中的岩相分类，其对于确定储层的净产层厚度至关重要，因此是钻井决策过程中的决定性因素。对于像岩相分类这样复杂的机器学习任务，特征工程通常至关重要。本文表明，在特征增强中纳入物理动机的特征交互可进一步提升机器学习在岩相分类中的能力。我们使用 SEG 2016 机器学习竞赛数据集与顶尖获奖算法演示了该方法。该改进是稳健的，且可比当前现有最佳 F-1 分数高出 $\sim5\%$，其中 F-1 是用于量化平均预测精度的评估指标。