通过机器学习和伊朗油田井记录数据进行增强的石化物理评估

科学领域:

• 石油地质科学 石油地质科学
• 机器学习应用 机器学习应用
• 储水库工程 储水库工程

背景情况:

• 储水库的石化物理评估对于碳化合物储量估计和生产至关重要.
• 先进的记录工具提供了关于孔径,孔径大小和岩石性质的关键数据.
• 了解水库层需要详细的石化物理分析.

研究的目的:

• 使用井记录数据对一个水库进行全面的石化物理评估.
• 识别和描述水库层和生产区.
• 为了比较各种机器学习模型进行水和预测.

主要方法:

• 从井日志进行石化物理参数计算和分析.
• 应用参数截止值来识别生产性水库间隔.
• 机器学习算法的比较分析 (ANFIS,ELM,GP,DT,AdaBoost) 用于水和模型.

主要成果:

• 通过石化物理评估和参数切断线确定了生产区.
• 第三层呈现出最高的平均净孔隙性 (18%) 和净水和率 (17%).
• 在水和估计中,AdaBoost模型实现了最小的误差 (RMSE:0.0152,AARE%:3.1610),优于其他模型.

结论:

• 使用井日志的石化物理评估对水库的表征是有效的.
• 机器学习模型,特别是AdaBoost,可以准确预测水和.
• 这项研究强调了集成石化物理和机器学习方法对水库管理的有用性.