基于集成学习的测井岩性识别模型的构建

摘要

岩性识别不论是在地层评价,还是在油藏描述、钻井监控等地质勘察工作中有着重要的作用。针对传统基于测井响应方程的测井岩性识别方法效率低并且信息冗余等问题,本文提出了一种基于Stacking集成学习的测井岩性识别方法。该方法建立了一种以朴素贝叶斯、随机森林、支持向量机三种模型作为初级训练器,逻辑回归模型作为次级训练器的融合模型。该融合模型提高了测井岩性识别效率,实现了测井数据自动化处理,提高了地质勘察人员的工作效率。文中以鄂尔多斯盆地的钻孔测井数据为训练样本,通过与其他机器学习模型的结果比较,该模型的预测结果与实际结果相比具有较好的一致性,识别率优于其他学习模型。