10.19509/j.cnki.dzkq.2021.0416
利用GS-LightGBM机器学习模型识别致密砂岩地层岩性
以交会图为代表的传统岩性识别图版无法适用于致密砂岩地层,其主要原因是大部分地层岩性的测井响应特征相似度高,难以基于图版分析被有效识别.LightGBM较传统模式识别模型能更高效地解决问题,为此采用该模型识别致密砂岩地层岩性.由于LightGBM在建模时利用了较多的超参数,导致预测结果难以保证为最优,所以采用GS算法进行优化,进而提出GS-LightGBM.实验目的层为姬塬油田西部长4+5段致密砂岩地层.提出模型的预测能力通过设计两个实验来验证.为突出验证效果,实验中加入SVM和XGBoost作为对比模型.实验结果显示,GS-XGBoost和GS-LightGBM的准确率、F1-score和A UC指标相接近,都最高,但GS-Light-GBM的计算时间只有GS-XGBoost的约1/23.实验结果表明,GS-LightGBM模型可在不失精度的情况下,能快速给出预测结果,具备了在致密砂岩地层岩性识别研究上的应用价值和推广性.
致密砂岩地层;岩性识别;SVM模型;XGBoost模型;LightGBM模型;GS优化算法
40
P618.13(矿床学)
2021-08-10（万方平台首次上网日期，不代表论文的发表时间）
共11页
224-234
