基于MRGC聚类和机器学习的储层参数预测方法  

Prediction Method with the Reservoir Parameters Based on MRGC Clustering and the Machine Learning

作　　者：辛锦涛 陈良雨 李永贵 陈挚 潘一[1] XIN Jin-tao;CHEN Liang-yu;LI Yong-gui

机构地区：[1]辽宁石油化工大学,辽宁抚顺113001 [2]中国石油集团测井有限公司国际公司,北京100101

出　　处：《内蒙古石油化工》2025年第1期101-106,共6页Inner Mongolia Petrochemical Industry

摘　　要：储层物性参数的准确预测是储层评价的重要基础。目前传统机器学习方法在进行预测时对数据有较高的依赖性,面对复杂的储层时泛化能力较弱,因此对储层参数的预测有不小的影响。而MRGC聚类方法可以有效地分析数据之间的权重简化数据,提高预测的精度。因此提出了一种使用MRGC聚类结合机器学习进行孔隙度、含水饱和度预测的方法。运用主成分分析法(PCA)和皮尔逊相关系数提取对孔隙度、含水饱和度预测贡献率较高的测井曲线作为输入,对处理好的数据通过多分辨率图聚类方法进行聚类,将数据划分成多个具有相同数据特性的子集。针对每个子集的特性,分别选择不同的机器学习方法来构建储层参数预测模型并进行孔隙度、含水饱和度预测。最后将综合预测结果与XGBoost、SVR、RF的直接预测结果进行对比。实验结果表明:经过聚类后的预测模型其平均绝对误差(MAE)、决定系数(R2)都优于直接进行预测的模型。可以证实,MRGC聚类与机器学习方法的结合能够利用数据的内在结构和特征,提升储层参数预测的准确性。

关 键 词：多分辨率图聚类 PCA 机器学习 孔隙度 含水饱和度 

分 类 号：TE155[石油与天然气工程—油气勘探]