机器学习在CO2封存致密砂岩储层孔隙度预测中的应用.docxVIP

机器学习在CO2封存致密砂岩储层孔隙度预测中的应用

目录

内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1.1气候变化与碳减排需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1.2CO2地质封存技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.1.3致密砂岩储层地质特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.2孔隙度预测的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.3机器学习技术简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.4研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.5研究方法与技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

CO2封存致密砂岩储层地质环境分析．．．．．．．．．．．．．．．．．．．．．．．．13

2.1储层岩石学特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

2.1.1岩石类型与结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.1.2矿物组成与填隙物．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

2.2孔隙结构表征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.2.1孔隙类型与分布．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

2.2.2孔隙度影响因素识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

2.3储层物性参数关联性探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.4地质建模与数据准备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

机器学习孔隙度预测模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

3.1数据预处理与特征工程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

3.1.1数据清洗与标准化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

3.1.2自变量筛选与构造．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

3.2常用机器学习算法介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.2.1线性回归模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

3.2.2支持向量回归模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

3.2.3决策树与随机森林模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

3.2.4梯度提升树模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.2.5神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.3模型选择与训练策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.4模型性能评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

模型训练与验证及结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

4.1训练集与测试集划分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

4.2各模型训练过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

4.3模型预测性能对比评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

4.3.1误差分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

4.3.2预测精度比较．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

4.4优选模型参数调优．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

4.5典型案例预测结果展示．．．．．．．．．．．．．．．．．．．．．