基于PCA-CNN模型的页岩储层有机碳含量预测方法

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%。

对页岩气成藏组合地球物理响应的理解

天然气产量主要来自于常规资源，但也有相当一部分来自于页岩气等非常规资源，因此，页岩气非常规资源正逐渐成为重要的勘探开发目标。为了了解页岩气藏的地球物理响应，采用了用地质、