基于支持向量机(SVM)的不同咸化程度烃源岩总有机碳含量预测模型

总有机碳含量(TOC)作为评价烃源岩有机质丰度的重要参数,其精确预测对油气勘探开发具有重要意义。目前总有机碳含量预测以Δlog R方法、多元回归分析等基于统计分析的方法为主,存在泛化能力弱、主观性强等问题。机器学习方法的引入,可有效解决这类非稳定性、非线性、高复杂性的问题,但当下的研究仍停留在方法的比较与选取层面,没有对优良模型进行深入分析并检验其适用性。采用应用效果更好的支持向量机模型进行总有机碳含量预测,选取渤海湾盆地渤中凹陷古近系东营组淡水湖相和柴达木盆地西部狮子沟地区古近系咸化湖相烃源岩作为研究对象,对模型的效果进行检验与对比。通过相关性和XGBoost特征重要性分析,选定声波时差(DT)、体积密度(DEN)、自然电位(SP)、自然伽马(GR)、深度等作为输入层,以总有机碳含量作为输出层,确立SVM烃源岩总有机碳含量预测模型。研究结果表明,模型在应用至差异较大的沉积环境时具有很强的泛化能力以适应不同地区的地质特征;测井曲线对于烃源岩有机质丰度的敏感性由于沉积环境存在差异而有所区别。该模型在渤海湾盆地淡水湖相区域的应用中相关性更高,误差更小。

基于测井资料的烃源岩总有机碳含量研究

本文主要针对烃源岩有机碳对其进行定量分析的研究。利用油气资源起到重要作用,做了实际输出与期望输出,则开始进行误差的反向传播。首先循环往复的信息正向传播和误差反向传播过程,会不断使各层权值调整,其次利用logR法是目前最为完善且应用最为广泛的方法,在于孔隙度变化可以清晰成比例地体现在两种曲线上,消除了孔隙度对TOC的测井响应的影响。最后核心为构建多元回归方程,其因变量为TOC值,其自变量为反映有机碳含量的地球物理测井参数,要求存在多个本身相关性差、与因变量密切相关的自变量。