基于PCA-CNN模型的页岩储层有机碳含量预测方法

基于PCA-CNN模型的页岩储层有机碳含量预测方法

TE22; 总有机碳含量(TOC)是评价烃源岩有机质丰度和生烃潜力的指标之一.以东营凹陷牛庄洼陷页岩油取心井为例,以实验分析岩心TOC和测录井资料为基础,应用交会图获取TOC相关敏感参数.通过采用常规陆相页岩储层TOC计算模型即ΔlogR法和多元回归分析法预测研究区湖相页岩储层TOC,相关性不高,效果不佳.因此提出选用机器学习模型即利用主成分分析(PCA)模型与改进的卷积神经(CNN)模型组合,形成PCA-CNN模型,通过PCA模型对数据降维,去除冗余信息和噪声信息,再利用CNN模型进行页岩储层TOC预测,使样本数据质量和TOC预测精度得以提高.将PCA-CNN模型应用到牛庄洼陷的6口页岩油取...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:油气地质与采收率 2022, Vol.29 (6), p.49-57
1. Verfasser: 管倩倩
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TE22; 总有机碳含量(TOC)是评价烃源岩有机质丰度和生烃潜力的指标之一.以东营凹陷牛庄洼陷页岩油取心井为例,以实验分析岩心TOC和测录井资料为基础,应用交会图获取TOC相关敏感参数.通过采用常规陆相页岩储层TOC计算模型即ΔlogR法和多元回归分析法预测研究区湖相页岩储层TOC,相关性不高,效果不佳.因此提出选用机器学习模型即利用主成分分析(PCA)模型与改进的卷积神经(CNN)模型组合,形成PCA-CNN模型,通过PCA模型对数据降维,去除冗余信息和噪声信息,再利用CNN模型进行页岩储层TOC预测,使样本数据质量和TOC预测精度得以提高.将PCA-CNN模型应用到牛庄洼陷的6口页岩油取心井进行TOC预测,结果表明,对于陆相页岩储层,PCA-CNN模型TOC预测精度较高,符合率最高达96％.
ISSN:1009-9603
DOI:10.13673/j.cnki.cn37-1359/te.202109017