基于PCA-RF的砂砾岩有利储层厚度预测方法

作者：王军,任雄风,张军华,李琴,桂志鹏

摘要：东营凹陷沙三、沙四沉积时期,发育了大量不同时期的砂砾岩体,它们是非常规油气勘探中重要的储层类型.由于砂砾岩体具有纵向厚度变化大、横向展布不均匀、岩相变化快等特点,在地震属性分析与厚度预测时,用单一属性对储层厚度描述具有很大的不确定性.为此,提取了多种地震属性,采用主成分分析法(PCA)进行优化、去除冗余信息.考虑到随机森林(RF)具有预测精度高、对异常值容忍性强、训练速度快且不易过拟合等特点,引入该方法对砂砾岩储层厚度进行预测.针对属性自相似问题,PCA采用了两种方法:① 直接对全部属性做降维处理,提取主成分进行预测(PCA-RF1);② 先对相似属性做降维处理,再组合其他属性进行预测(PCA-RF2).原始RF、PCA-RF1、PCA-RF2方法还与人工神经网络方法(ANN)进行了效果对比,结果表明,基于相似属性降维处理的PCA-RF2方法,具有最佳应用效果.

发文机构：胜利油田勘探开发研究院 中国石油大学（华东）地球科学与技术学院

关键词：砂砾岩主成分分析随机森林储层厚度预测gluteniteprincipal component analysis(PCA)random forest(RF)reservoir thickness prediction

分类号： O242[理学—计算数学]P631[理学—数学]