基于小波降噪与人工智能的岩性识别研究 |
| |
引用本文: | 房大志,马伟竣,阎续,毛峥,高杨.基于小波降噪与人工智能的岩性识别研究[J].测井技术,2023(4):438-446. |
| |
作者姓名: | 房大志 马伟竣 阎续 毛峥 高杨 |
| |
作者单位: | 1. 中石化重庆页岩气有限公司;2. 长江大学石油工程学院;3. 湖北省油气钻采工程重点实验室 |
| |
基金项目: | 国家科技重大专项“彭水地区常压页岩气开发技术政策及气藏工程方案”(2016ZX05061-016); |
| |
摘 要: | 岩性识别是深度学习在油气田开发的主要应用方向之一,人工智能模型可有效提升油气田开发、现场施工的效率。通过小波降噪技术,对某区块15 764条测井数据,及其7种特征进行降噪处理,提升测井曲线信噪比,进而构建随机森林、XGBoost、支持向量机模型,并采用精准度、召回率、F1评分对模型预测效果进行对比评估。研究结果表明,小波降噪技术可有效提升测井曲线信噪比,突出岩性特征。降噪处理后,XGBoost模型表现最优,测试集精准度、召回率、F1评分均可达0.998。支持向量机模型采用降噪后数据训练,预测效果提升最为明显,总评分提升9.2%。
|
关 键 词: | 小波降噪 岩性识别 机器学习 XGBoost 随机森林 支持向量机 |
|
|