【技术实现步骤摘要】
一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法
[0001]本专利技术涉及地化参数预测
,具体涉及一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法
。
技术介绍
[0002]地球化学参数是评价烃源岩特征
、
指导油气勘探
、
寻找潜在油气资源的重要指标,包括碳同位素
(
δ
13
C
carb
)、
总有机碳含量
(TOC)
等
。
其中总有机碳含量
(TOC)
是评价烃源岩有机质丰度最直接的指标,即利用总有机碳含量
(TOC)
下限可以确定烃源岩的有效性,但目前国内众多学者提出的碳酸盐岩类烃源岩的总有机碳含量
(TOC)
下限差异很大
。
同时目前的研究发现深层的海相碳酸盐岩具有巨大的油气潜力,但该类岩性的总有机碳含量
(TOC)
低,因此在评价其生烃潜力时都认为较差
。
但对于海相碳酸盐岩而言,利用总有机碳含量
(TOC)
会低估了能够形成烃类的物质,即评价这类岩性的生烃潜力较差
。
因此总有机碳含量
(TOC)
不能成为唯一一个评价烃源岩生烃潜力的参数
。
同时岩石内部在生成油气的过程中,优质的成烃物质已转化成烃,从而导致总有机碳降低,而碳同位素
(
δ
13
C
...
【技术保护点】
【技术特征摘要】
1.
一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法,其特征在于,包括下列步骤:
S1、
获取深层碳酸盐岩类烃源岩的碳同位素
(
δ
13
C
carb
)
和总有机碳含量
(TOC)
实验数据以及相关的测井数据;
S2、
分别对9条测井曲线与碳同位素
(
δ
13
C
carb
)、
总有机碳含量
(TOC)
进行权重分析;
S3、
基于碳同位素
(
δ
13
C
carb
)、
总有机碳含量
(TOC)
实验数据和对应的测井数据,利用若干机器学习算法建立地化参数预测模型;
S4、
利用所述实验集数据检验评估若干机器学习算法预测结果,预测结果不合格的模型再次基于若干机器学习算法直至预测结果合格;
S5、
基于碳同位素
(
δ
13
C
carb
)、
总有机碳含量
(TOC)
预测结果,得到深层碳酸盐岩类烃源岩地化参数预测结果;
S6、
根据总有机碳含量
(TOC)
大于
0.2
%或碳同位素
(
δ
13
C
carb
)
小于
‑2‰
判断深层碳酸盐岩类有效烃源岩厚度
。2.
根据权利要求1所述的一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法,其特征在于
,
所述的地化参数预测模型的建立是基于若干机器学习算法分别建立各种算法下各自对应的预测模型
。3.
根据权利要求2所述的一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法,其特征在于
,
所述的若干机器学习算法包括但不限于多元线性回归算法
、
局部多项式回归算法
、
高斯算法
、
神经网络算法
、
广义线性模型算法
、
相关性向量机算法
、
支持向量机算法
。4.
根据权利要求3所述的一种基于机器学习的深层碳酸盐岩类烃源岩地化参数的预测方法,其特征在于
,
所述的局部多项式回归算法是一种用于平滑散点图和建模函数的非参数技术,如果请求数据空间中某个点的标签值,则搜索该点的本地邻域,对于这种搜索,使用了数值测量参数中指定的距离测量,在确定邻域后,利用泰勒公式其次再利用其数据点采用加权最小二乘优化方法拟合指定程度的多项式其中,
h
...
【专利技术属性】
技术研发人员:于红岩,陈斯斯,孟昆,刘文汇,王晓锋,张东东,
申请(专利权)人:西北大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。