LDA和KNN算法在随钻测井火成岩分类的应用

渤中34-9油田在开发过程中广泛钻遇古近系火成岩,由于火成岩岩性多样、成分复杂导致常规测井解释图版识别岩性精度较差,而在随钻过程中准确识别火成岩岩性是工程上规避憋、卡、漏等风险的重要前提。通过将机器学习算法线性判别分析(LDA)与KNN算法运用于油田开发过程中的随钻测井数据处理与分析,实现了随钻过程中准确、高效识别火成岩岩性的目的。进一步将线性判别分析的降维结果代替原始测井曲线作为K最近邻分类器的输入,实现两种算法的有机融合,并对油田5口开发井建立的测井数据集进行机器学习,火成岩岩性分类准确率高于90%,证明了该方法的适用性。通过引入机器学习方法为常规录、测井数据的处理与解释提供了新方法,多方法的结合也为油田勘探作业过程中的分类提供借鉴。

关于火成岩常用图解的正确使用:讨论与建议

本文讨论和评述火成岩常用图解,包括火成岩分类命名,岩石的化学参数与构造环境判别图解,原作者构建时的岩石学含义与随后文献中应用时的各种误解,或不同学者对相同参数的图解提出不同的划分和处理方案,或对同一个术语在不同参数图解中岩石学含义有不同的理解,以及数据处理中的正确与错误途径。进而讨论复杂的火成岩多元系统需要通过不同参数构建的多种图解的相互制约,才能较全面的描述火成岩的特征,提出火成岩常用图解的正确理解与使用,以及采用"统一平台"的某些建议,以利于区域岩石学的对比和研究。