基于成像测井灰度值的GA-SVR在白云岩储层孔隙度预测中的应用——以川西地区L组为例

摘要

孔隙度的准确性是优质储层识别和建模的重要基础。白云岩储层孔隙结构复杂,发育类型多,其孔隙度难以精确预测。通过采集川西地区L组白云岩储层182个取心样本、常规测井和成像测井资料,将6种机器学习模型应用于不同测井参数的训练与测试,并评价不同模型的预测性能。结果表明,引入不敏感损失函数度量的遗传算法支持向量回归机模型的预测效果最好,决定系数高达0.87。采用常规测井与成像测井相结合的机器学习综合算法,能有效降低白云岩储层非均质性的影响,提高孔隙度的解释精度,为优质白云岩储层的识别奠定了良好的基础。