基于常规测井数据的机器学习横波拟合研究--以MH地区MX1、X93、M18井为例

地层横波速度是地球物理测井中的一项重要参数,在储层识别时利用横波数据能有效提高识别的精度。然而,横波速度资料采集费用高昂,且获取难度大。本文基于MX1、X93、M18三口井的常规测井资料并运用机器学习方法进行横波拟合的研究,选择与横波速度有相关性的8种常规测井数据以及合适的机器学习方法,用MX1、X93两口井训练出预测模型,预测M18井的横波速度。研究表明,运用指数高斯过程回归和二次有理高斯过程回归得到的拟合曲线吻合度较高,且二次有理高斯过程回归在目的层段的R2可达0.7748、RMSE为7.8227,与实际横波速度的偏差较小,可以为后续的油气勘探开发工作提供有益帮助。

岩心深度归位的MATLAB自动计算

由于钻井深度的获取方式与测井深度不同,导致钻井取心的深度与测井深度存在插值,需要进行岩心深度归位方可利用岩心数据辅助测井解释。本文利用MATLAB通过三次样条插值法等多种插值方法测井曲线进行插值,然后分别计算不同归位深度下岩心孔隙度与物性测井曲线之间的误差并将误差最小情况下的深度变化值确定为归位深度。该方式不仅操作便利,计算快捷,且能够在归位精度方面优于手动归位,为后续建立测井解释模型奠定了更好的基础。