基于机器学习的储层裂缝预测

摘要

为了验证机器学习在储层裂缝预测中的有效性,阐述了多元逻辑回归(MLR)、支持向量机(SVM)、决策树(DT)、深度神经网络(DNN)、XGBoost算法,并使用这些机器学习算法在南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测.结果显示,输入测井参数与裂缝预测结果存在非线性关系,除多元逻辑回归、决策树、XGBoost外,支持向量机、深度神经网络、随机森林均达到了100％的准确率.其中多元逻辑回归、决策树、XGBoost、随机森林能够表达样本特征的重要程度,为特征筛选和特征降维提供参考.