文章详情

摘要

低渗透砂岩储层中流体性质的准确识别是提升勘探成效面临的关键难题。常规测井解释方法在低阻、复杂岩性等条件下识别精度有限。为此，本文提出一种融合MAHAKIL过采样与XGBoost算法的流体识别模型。首先利用MAHAKIL处理训练样本中的类别不平衡问题，并基于XGBoost构建能够捕捉复杂特征关联的流体识别模型。实验结果表明，经MAHAKIL平衡后，模型性能得到显著提升，F1值、AUC及准确率等多项评价指标均优于传统XGBoost模型，验证了该方法在样本不均衡场景下的有效性与优越性，为低渗透砂岩储层流体识别提供了有效的解决方案。

关键词

MAHAKIL过采样；XGBoost算法；低阻；流体识别

参考文献

1. [1] 马向东，冯娟，尹露.HZ油田阜三段低渗透砂岩储层流体测井识别及储层级别划分方法研究 [J].油气藏评价与开发，2014，4（4）：11-16.
2. [2] 胡文亮.利用测录井资料计算气油比定量识别低孔渗储层流体性质 [J].海洋石油，2023，43（2）：48-51.
3. [3] 白洋，谭茂金，肖承文，等.致密砂岩气藏动态分类委员会机器测井流体识别方法 [J].地球物理学报，2021，64（5）：1745-1758.
4. [4] 杜睿山，黄玉朋，付晓飞，等.基于SMOTE和XGBoost的天然气水合物与天然气储层识别 [J].特种油气藏，2024，31（5）：11-19.
5. [5] Han H，Wang W Y，Mao B H. Borderline-SMOTE: A New Over-Sampling Method in Imbalanced Data Sets Learning [C]//International Conference on Intelligent Computing，2005：878-887.
6. [6] Kwabena E B，Jacky K，Passakorn P，et al. MAHAKIL: Diversity Based Oversampling Approach to Alleviate the Class Imbalance Issue in Software Defect Prediction [J].IEEE Transactions on Software Engineering，2018，44（6）：534-550.
7. [7] Ga L A O，Pedro P，Joseph J，et al. The Mahalanobis Distance for Functional Data With Applications to Classification [J].Technometrics，2015，57（2）：281-291.
8. [8] 赵维涛，尹福平，胡东超.基于泰勒展开的二阶层次分析法初探 [J].计算力学学报，2022，39（5）：655-660.
9. [9] 张梦涵，魏进，卞海丁.基于机器学习的边坡稳定性分析方法——以国内618个边坡为例 [J].地球科学与环境学报，2022，44（6）：1083-1095.
10. [10] 杨久强，林年添，张凯，等.深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例 [J].石油物探，2022，61（2）：236-244，320.

基金项目

新型油气勘探开发国家重大专项“地面系统智慧运行范式关键技术”（2025ZD1408800）；中石化中原油田分公司科技项目“基于数据驱动的储气库注采能力评价”（2024BY05）

作者简介

朱庚雪（1989.11—），女，汉族，山东济宁人，工程师，硕士，研究方向：勘探开发信息化。