-
题名玛湖凹陷风城组岩石力学参数自适应权重组合预测
- 1
-
-
作者
唐俊方
熊健
刘向君
甘仁忠
罗德江
梁利喜
-
机构
西南石油大学油气藏地质及开发工程国家重点实验室
中国地质大学(武汉)科技部地球深部钻探与深地资源开发国际联合研究中心
中国石油新疆油田公司
成都理工大学数学地质四川省重点实验室
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2024年第1期1-11,共11页
-
基金
国家自然科学基金项目“陆相页岩油储层热-化-力耦合作用诱导致裂与增渗机理研究”(42272190)
中国石油科技创新基金项目“基于‘数据+知识’协同驱动的深层陆相页岩油储层工程甜点预测方法研究”(2023DQ02⁃0101)
+1 种基金
数学地质四川省重点实验室2022年开放基金课题“页岩储层可压裂性定量表征与测井预测”(scsxdz2022⁃05)
科技部地球深部钻探与深地资源开发国际联合研究中心开放课题“基于地质力学特性的陆相页岩油储层可压裂性评价方法研究”(DE DRD⁃2023⁃03)联合资助。
-
文摘
准噶尔盆地玛湖凹陷风城组岩性复杂,为准确预测其岩石力学参数,提出了一种自适应权重组合预测方法。首先分析、对比传统方法和不同机器学习算法(BP神经网络、XGBoost、支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)、决策树(CART)、长短时记忆神经(LSTM)网络等)的预测效果,传统方法难以准确预测岩石力学参数,而不同机器学习算法的预测效果不同,其中抗压强度、抗张强度和脆性指数预测的最优机器学习算法模型为SVM,弹性模量为BP,泊松比为RF,内聚力为XGBoost,内摩擦角和断裂韧性为LSTM网络;单一机器学习算法难以实现对多个岩石力学参数的同步准确预测。在此基础上,通过对不同岩石力学参数选取不同预测基模型,再根据基模型预测效果赋予权重并进行组合,以开展自适应权重组合预测。结果表明,该方法能够有效提升机器学习算法的预测精度和泛化性能,可实现复杂岩性地层多个岩石力学参数的同步准确预测。
-
关键词
岩石力学参数
复杂岩性地层
机器学习
自适应组合预测
-
Keywords
rock mechanical parameters
complex lithologic formations
machine learning
adaptive combination forecast
-
分类号
P631
[天文地球—地质矿产勘探]
-
