首页|期刊导航|西安石油大学学报(自然科学版)|基于GA-SVM算法的鄂尔多斯盆地LF区沉积微相自动识别

基于GA-SVM算法的鄂尔多斯盆地LF区沉积微相自动识别OA

中文摘要

为服务研究区综合地质研究以及开发技术政策制定,做好沉积微相识别至关重要。结合研究区沉积微相特征,构建了一种基于遗传算法(GA)优化支持向量机(SVM)的沉积微相自动识别方法。沉积微相识别的一般方法有岩心法、测井曲线法、地震法等,识别难点在于取心有限、人工识别过程繁琐、易受主观影响。通过区域背景、测井曲线等资料确定研究区沉积相为河流相,发育辫状河亚相,微相为心滩、辫状河道、河漫滩三种类型。选取GR、SP、AC、RT等对沉积微相敏感测井曲线作为特征参数,基于GA-SVM算法进行训练并建立分类模型,模型训练及测试准确率分别为94.7%和93.6%。实例应用表明,GA-SVM算法较同类算法性能更加优秀,通过该方法建立的分类模型训练测试效果良好,提高了沉积微相识别精度与效率,能有效指导生产开发工作。

尚教辉;庞玉东;金利睿;李生楠;董文魁

中国石油长庆油田分公司第二采油厂,甘肃庆阳745100中国石油长庆油田分公司第二采油厂,甘肃庆阳745100西安石油大学地球科学与工程学院,陕西西安710065 西安石油大学陕西省油气成藏地质学重点实验室,陕西西安710065中国石油长庆油田分公司第二采油厂,甘肃庆阳745100中国石油长庆油田分公司第二采油厂,甘肃庆阳745100

天文与地球科学

沉积微相遗传算法支持向量机自动识别鄂尔多斯盆地LF区

《西安石油大学学报(自然科学版)》 2026 (4)

P.32-42,11

国家自然科学基金“致密砂岩储层微观孔喉非均质性及对石油分布的控制作用”(41502137)。

10.3969/j.issn.1673-064X.2026.04.004

评论