早期地质勘探油田中基于机器学习方法的井数据与地震数据反校准泛化及复杂储层预测

本研究旨在开发并应用一种自主方法来预测研究区域内烃类储层分布的概率。该方法在二分类问题中使用机器学习算法，恢复空间单元属于由测井解释结果所确定类别的概率函数。以地震波场属性作为预测因子。研究包含以下一系列操作：创建训练数据集、特征选择、数据反校准、创建分类模型种群、分类质量评估、预测中特征贡献评估、通过堆叠方法对模型种群进行集成。最终完成预测——获得了所研究空间属于储层类别的校准概率三维立方体及其衍生成果，即阿钦诺夫沉积杂岩的储层厚度图。评估了使用不同数据集时预测质量的变化。结论：本工作提出的反校准方法，在给定这些数据的先验误差限度内，将地球物理数据的不确定性用作技术栈全局调优的超参数。结果表明该方法提高了预测质量。本工作所使用的机器学习算法技术栈实现了地质与地球物理数据的专家无关泛化，并可利用该泛化检验假设并基于储层的概率视角建立地质模型。