机器学习法在碳酸盐岩岩相测井识别中应用及对比——以四川盆地MX地区龙王庙组地层为例.docx

碳酸盐岩储层的发育与颗粒滩密切相关,储层发育受控于岩相分布[1]。沉积微相精细研究对于储层预测非常重要。由于取心井资料有限,因此,利用测井资料准确识别岩相,对于颗粒滩的预测有着重要意义。由于碳酸盐岩储层受强烈成岩作用改造,裂缝、溶蚀孔洞发育,非均质性较强[2,3],导致高精度识别基于岩石结构组分分类的岩相一直是个难题。机器学习方法效率高、速度快且准确率高,在岩心资料丰富的情况下,是目前岩相测井识别最主要的技术手段。机器学习方法较多,最常用的方法主要有聚类分析法[4,5,6]、神经网络法[7,8,9,10]和分类算法等等。针对不同地质情况和资料,合理选择适用的机器学习方法是高精度识别岩相的关键因