基于机器学习算法的深部页岩储层物性预测及有利勘探区优选

以四川盆地泸州区块龙马溪组页岩为例,在岩心物性测试与测井数据基础上,对比分析了支持向量回归算法(SVR)、梯度提升决策树(GDBT)和极端梯度提升算法(XGBoost)3种机器学习算法预测结果并优选出适宜的评价模型,实现了深部页岩储层物性预测与有利勘探区优选。结果显示:1)3种热门学习算法在深部页岩储层物性预测方面均具有良好的应用效果,经过对比,认为GDBT为预测研究区深部页岩储层孔隙度最适宜的算法,XGBoost为预测研究区深部页岩储层渗透率最适宜的算法;2)基于上述优选模型,泸州区块龙马溪组页岩孔隙度为2.67%~9.67%,平均孔隙度为4.88%,渗透率为3.22~28.63μD,平均渗透率为11.34μD;3)依据龙马溪组页岩储层物性与含气量,可划分出7个I类有利区,3个Ⅱ类有利区和4个Ⅲ类有利区。该研究成果基于研究区实际情况,可为研究区与类似区块页岩储层评价及有利区预测提供参考。