基于决策树方法的砾岩油藏岩性识别-以克拉玛依油田六中区克下组油藏为例.pdfVIP

学兔兔 石油天然气学报 (江汉石油学院学报) 2010年6月 第32卷 第3期 Journal of Oil and Gas Technology(J．JPI) Jun．2010 Vo1．32 No．3 基于决策树方法的砾岩油藏岩性识别 — — 以克拉玛依油田六中区克下组油藏为例 李洪奇，谭锋奇(耋霎 奎 石油大学 北京 北京，。 。) 许长福，王晓光，彭寿昌 (新疆油田公司勘探开发研究院，新疆克拉玛依834000) [摘要]砾岩油藏由于近物源、多水系和快速多变的沉积环境导致储层岩性复杂以及测井响应无规律性变 化等特点，岩性的准确识别成为该类油藏调整开发的重点和难点。以克拉玛依油田六中区克下组砾岩油 藏为研究对象，利用决策树的分析方法，结合密闭取心资料对砾岩油藏8种岩性的测井曲线敏感性进行 研究，优选出原状地层电阻率、声波时差和自然伽马3个测井响应值作为砾岩油藏岩性识别的特征参数， 建立决策树岩性识别模型，模型的综合判断准确率达到96．97 ，在油田的二次调整开发和水淹层的评价 中取得了很好的应用效果。并且在决策树方法分析结果的基础上，利用地球物理方法制作了砾岩油藏岩 性识别图版，数据挖掘方法与地球物理方法的有效结合为解决油田勘探和开发中的复杂问题提供了一种 新思路和新方法。 [关键词]岩性识别；决策树；数据挖掘；克拉玛依油田；砾岩油藏 [中图分类号]P631．84 [文献标识码]A [文章编号]1000 数据挖掘 (Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含 的、事先未知的但又是潜在有用的信息和知识的过程[ ]。数据挖掘任务分为描述和预测两大类，前者导 出数据中潜在关系的概括模式，后者对当前数据进行推断以做出预测。预测建模方法来自机器学习、人 工智能、模式识别、统计学等多个研究领域 ’。 ，主要的方法有神经网络、支持向量机[4、贝叶斯网络 和决策树等。其中神经网络方法在测井资料岩性识别中已经得到很广泛的应用 。]，但是神经网络有个 最大的缺点就是容易对训练样本 “过学习”(过度拟合)，方法的可变参数太多，如果给足够的时间，它 几乎可以 “记住”任何事情，这样建立的模型就会脱离地球物理的背景，没有实际的应用价值；而且神 经网络、支持向量机和贝叶斯网络还有一个共同的缺点就是预测的模型都属于 “黑盒”，样本的数据和 属性之间以怎样的方式和关系拟合是看不到的。而决策树是一种 “白盒”模型，可以清楚地了解到分类 器是如何丁作以及各种参数的相对重要性，对地球物理学的研究有很好的指导作用。 砾岩油藏由于特殊的沉积环境导致储层非均质性严重，岩性复杂多变，不同岩性的测井响应呈现无 规律性变化的特点，传统的数理统计方法难以准确反映测井资料与砾岩岩性的非线性映射关系，而具有 自组织、自学习、推理思维能力和高精度非线性建模的决策树能很好地解决这个问题。笔者以密闭取心 资料和测井曲线值为数据基础，利用决策树方法分析了各种测井参数对砾岩岩性判断的权重，建立决策 树岩性识别模型并且取得了很好的应用效果，为克下组砾岩油藏砂体构型的研究和水淹层的评价提供了 技术支撑。 1 油藏地质概况 克拉玛依油田六中区克下组油藏位于克拉玛依白碱滩地区，该区四周被断裂切割成似三角形的封闭 [收稿日期]2009～08—11 [基金项目]国家 “十五”重大科技攻关项目 (2【1(]1BA605Ao9)。 [作者简介]李洪奇 (1960一)，男，1982年大学毕业，博士，教授，现主要从事计算机智能与测井地质学方面的研究工作。 学兔兔 · 74 · 石油天然气学报 (江汉石油学院学报) 2010年6月 断块，北以白碱滩北断裂为界，南部以克一乌断裂为界，底部构造为断裂夹持的背斜形态，以J152隆起 为顶点向四周倾伏，倾