石油学报

作者：邓少贵, 张凤姣, 陈前, 李亚锋, 魏周拓, 洪玉真

单位：1. 深层油气全国重点实验室 山东青岛 266580;2. 深层油气探测技术与装备教育部工程研究中心 山东青岛 266580;3. 山东省深层油气重点实验室 山东青岛 266580;4. 深层油气教育部重点实验室 山东青岛 266580;5. 中石化经纬有限公司 山东青岛 266071;6. 中国石油青海油田公司 甘肃敦煌 736202

关键词：页岩油,薄互层,粒子群优化,极限学习机,牛庄洼陷

基金：邓少贵,男,1970年12月生,2006年获中国石油大学(华东)地质资源与地质工程专业博士学位,现为中国石油大学(华东)地球科学与技术学院教授、博士生导师,主要从事测井理论、方法与技术研究。Email:dengshg@upc.edu.cn

摘要： 东营凹陷牛庄洼陷沙河街组三段下亚段和沙河街组四段上亚段主要发育重结晶灰岩、泥岩薄互层，是页岩油的有效富集区和稳定产出通道，但由于常规测井系列分辨率不足，导致薄互层识别难度大。针对这一问题，采用粒子群（PSO）优化的极限学习机（ELM）混合模型以提升薄互层识别准确率，选取反映储层"三品质"特征的8条常规测井参数及3条高分辨率测井曲线作为物理约束，构建了基于PSO-ELM的薄互层识别模型。研究结果表明，与ELM、支持向量机、前馈神经网络等常见的机器学习模型相比，所提出的PSO-ELM机器学习模型稳定性更强，薄互层识别准确率提升幅度为10%~30%，且更能精准刻画厚度约为0.3 m的薄互层，该方法可以为页岩油勘探开发提供一定技术支持。

来源：2023年第7期

《石油学报》期刊编辑部

查看石油学报杂志2023年第7期