地質学的に制約されたハイブリッド・スタッキング・アンサンブル・メソッドで,大陸のシェール貯水池におけるTOC予測のための井戸ログを使用しています

科学分野:

• 石油地質科学 石油地質科学
• 貯水池工学における機械学習アプリケーション
• 非伝統的な資源の評価

背景:

• 大陸のシェール油は,世界の重要な非常規の石油資源である.
• 正確な貯蔵庫評価,特に総有機炭素 (TOC) の推定は,石油の可能性を評価するために非常に重要です.
• 従来の井戸ログは,貯水池の特徴化に不可欠なデータを提供します.

研究 の 目的:

• 大陸のシェール貯水池における正確なTOC予測のためのハイブリッドアンサンブル方法の開発と検証.
• 貯水池の評価を改善するために,多様な井戸ログデータと高度な機械学習技術を統合します.
• 特殊なモジュールを使用して,非均一なタイムステップデータの課題に対処するために.

主な方法:

• ハイブリッド・スタッキング・アンサンブル・モデルで,Extreme Gradient Boosting (XGBoost),Random Forest (RF),Least-Squares Support Vector Regression (LS-SVR),およびImproved Gated Recurrent Unit (IGRU) を統合している.
• リトロジー,リザーバー層プリオア,連続リトロジーデジタル化,ウェルログ応答,タイムパラメータ化された複合値重複コンボリューションアーキテクチャ (TP-CVOCA) 属性,および主要コンポーネント分析 (PCA) を含む機能が利用されました.
• 機能選択/ハイパーパラメータチューニングのためのヒューリスティック最適化とデータ増強のためのレギュラライズドミックス (RegMix) を採用した; IGRUとTP-CVOCAは非均一な時間ステップを処理した.

主要な成果:

• 提案されたハイブリッド方法は,高い予測精度を達成しました.
• 井戸内TOC予測のR2 0.8184 ± 0.0301を達成しました.
• クロスウェルTOC予測で0.7132 ± 0.0590のR2を達成し,堅実なパフォーマンスを実証しました.

結論:

• 開発されたハイブリッド・アンサンブル・メソッドは,大陸のシェール油貯蔵庫のTOC推定において,著しい進歩をもたらしています.
• 多様なデータソースと高度なアルゴリズムの統合は,貯水池評価の信頼性を高めます.
• このアプローチは,非従来の油田での探査開発戦略を最適化するための貴重なツールです.