基于自动机器学习的测井曲线重构技术.pdfVIP

天然气工业第44卷第9期

·38·NaturalGasIndustry2024年9月

.[J].,2024,44(9):38-54.

引文：范翔宇,孟凡,邓娟,等基于自动机器学习的测井曲线重构技术天然气工业

FANXiangyu,MENGFan,DENGJuan,etal.Welllogsreconstructionbasedonautomaticmachinelearningtechnology[J].NaturalGas

Industry,2024,44(9):38-54.

基于自动机器学习的测井曲线重构技术

1213121425

,,,

范翔宇孟凡邓娟赵鹏斐廖思岚陈雁张千贵

1.西南石油大学地球科学与技术学院2.油气藏地质及开发工程全国重点实验室•西南石油大学

3.中国石化胜利油田分公司物探研究院4.西南石油大学计算机科学学院5.西南石油大学石油与天然气工程学院

摘要：测井曲线在获取地下储层和油气信息时常因仪器故障、井眼垮塌等因素，导致部分井段测井曲线缺失或失真。相较于传统的

经验模型和多元回归分析的测井曲线重构方法，机器学习可以更好地重构测井曲线、精准表征曲线之间复杂的非线性关系，但其仍

存在普适性差、试错成本高和自动化程度低等问题。为此，以数据处理与特征工程、模型选择与调优、模型保存与预测、模型解释

与公平性检验为技术流程，将自动控制技术应用于多模型选择与超参数调优过程中，配合数据预处理和可视化后处理手段，形成了

一种基于自动机器学习的测井曲线重构工作流构建方法，并在生产中进行了验证。研究结果表明：①自动机器学习中，基于树的贝

叶斯优化搜索可以兼顾预测性能和计算效率的平衡；②多模型的选择优于单一模型，可解释性分析和公平性检验可以指导模型选择，

保证模型的泛化性；③加入地质分层和岩屑录井的非数值信息，有助于进一步提升预测的精度；④缺失值处理和标准化方法的选择

会对模型性能产生一定的影响。结论认为：①相比于传统的机器学习方法，自动机器学习能够更好地发挥多模型选择与优化调参的

潜能，自动化地寻找适应于研究目标的模型；②自动机器学习在提升精度和效率的同时降低了人工干预和试错成本，使机器学习方

法能够更好地应用于石油地质勘探领域的各类预测任务。

关键词：测井曲线；曲线重构；自动机器学习；特征工程；模型选择

中图分类号：TP181，P631.8文献标识码：ADOI:10.3787/j.issn.1000-0976.2024.09.004

Welllogsreconstructionbasedonautomaticmachinelearningtechnology

1,2131,2142,5

FANXiangyu,MENGFan,DENGJuan,ZHAOPengfei,LIAOSilan,CHENYan,ZHAN