地科學院婁靜瑤博士在石油領域重要期刊《SPE JOURNAL》上發表題為“Fluid Identification Using XGBoost Combined with MAHAKIL in Low- Permeability Reservoirs”的研究論文。永利6774app手机版官网為論文第一署名單位，研究生婁靜瑤為論文第一作者，趙仲祥副教授為該文通訊作者。本項研究得到國家重大科技專項和國家自然科學基金共同資助。

該研究選取中國松遼盆地古龍油田姚一段葡萄花組油層為驗證對象，将XGBoost和MAHAKIL的過采樣方法結合，利用低滲砂岩儲層的測井數據進行流體性質識别（圖1）。采用MAHAKIL方法解決訓練樣本不平衡導緻類不平衡的問題，将數據輸入XGBoost，通過多個決策樹建立複雜測井曲線特征與流體性質相關響應權重的地質模型。首先，利用F1-Score、Recall、Precision和Accuracy四個評價标準證明經過MAHAKIL過采樣後的XGBoost模型在流體識别方面表現優于未處理數據的XGBoost模型。在不平衡數據集的情況下，MAHAKIL提高了模型的識别精度，且F1-score更适用于儲層流體預測的分類問題（圖2a）。其次，用ROC和AUC的值證明了MAHAKIL提高了XGBoost的性能（圖2b）。最後，将該方法和傳統的XGBoost模型在類不平衡的實際數據上的應用結果和性能進行對比。結果表明，該方法在訓練樣本不平衡的情況下，對低滲砂岩儲層的流體性質識别具有優越性（圖3）。

《SPE Journal》是SPE協會旗艦期刊，為國際石油天然氣工程領域頂級期刊，期刊影響因子為3.602，中科院SCI期刊分區二區。

論文鍊接: https://onepetro.org/SJ/article/29/01/203/533600/Fluid-Identification-Using-XGBoost-Combined-with

圖1 儲層流體性質識别流程圖

圖2評價結果 a.兩種模型平均得分比較；b.兩種模型的ROC曲線與AUC值

圖3 比較兩種模型對四種流體性質的識别

圖4 論文首頁