基于聚类-支持向量机算法的碳酸盐岩测井岩相识别模型与应用

中东地区A研究区的碳酸盐岩储层发育,但孔隙类型众多、孔隙结构复杂、井间非均质性强,对该地区进行精确的岩相识别与物性评价非常困难。目前该地区单井岩相划分主要依据部分钻井取心数据,成本高昂且数据较少,无法反映完整的地层纵向及横向变化信息,而利用常规测井识别方法难以对该区域进行精细的岩相识别并建立准确的孔隙度、渗透率模型。为此,利用小波变换方法,根据测井曲线形态特征完成不同岩相地层界线划分。综合层次聚类、K均值聚类方法对每个小层对应的测井系列进行聚类分析,结合取心观察结果对聚类结果进行分类约束;最终以约束后的聚类结果、研究层段中岩相分级标签为数据基础,在支持向量机的监督学习下建立利用测井系列进行岩相智能识别的评价模型。通过在取心井中应用岩相识别模型,验证结果与取心认识吻合度可达92%。将该方法推广至其他单井中应用,岩相识别结果中同类型岩相渗透率与孔隙度相关性明显提高,表明模型岩相识别效果较好,可以为精确的岩石类型划分及物性参数计算等研究工作提供理论依据及数据支持。