永利6774app手机版官网石油系教師史今雄博士在石油領域重要期刊《Petroleum Science》上發表題為“Identification of reservoir types in deep carbonates based on mixed-kernel machine learning using geophysical logging data”的研究論文。本項研究得到了國家自然科學基金項目和湖北省自然科學基金項目的資助。

儲層類型識别是油氣地質研究的一項基礎性工作，由于深層碳酸鹽岩儲集空間類型和分布的極強非均質特征，儲層測井響應複雜，利用地球物理測井數據開展儲層類型識别一直面臨巨大挑戰。為了解決上述問題，本研究在機器學習中引入混合核，開發了基于混合核的判别分析模型，應用于四川盆地中部震旦系燈影組碳酸鹽岩儲集層類型的識别。識别和盲井測試結果表明，所提出的判别模型在儲集層類型識别方面優于傳統的單核模型，具有良好的外推和插值能力，泛化能力更強。随着油氣勘探開發向更為複雜和非均質更強的油氣藏轉移，混合核判别方法在儲層岩性、岩相、沉積微相和裂縫的識别中具有廣闊的應用前景。

論文鍊接：https://doi.org/10.1016/j.petsci.2023.12.016

圖1儲層類型識别流程圖及模型參數優化結果

圖2論文首頁