基于XGBoost算法的页岩岩相测井预测方法*

来源：古地理学报杂志2025年第3期北京时间：

作者：闫佳飞, 李胜利, 魏泽德, 吴忠宝, 陈建阳

单位：1 中国地质大学(北京)能源学院,海相储层演化与油气富集机理教育部重点实验室,北京 1000832 中国石油勘探开发研究院,北京 100083

摘要：页岩岩相的识别与预测对于分析确定页岩油气甜点层段非常重要。在缺乏岩心信息进行单井岩相研究时,测井数据扮演着十分重要的角色,而基于XGBoost算法可以充分挖掘多维测井数据所揭示的页岩岩相信息,从而达到预测单井页岩岩相的目的。本研究应用具有监督学习算法的XGBoost机器学习方法,利用常规测井数据作为变量数据集,建立了可预测页岩岩相类型的计算模型。首先建立适合具体研究区的页岩岩相划分标准,该标准应能体现研究区页岩岩相的辨识差异性,再统计不同矿物含量,确定不同岩相的具体矿物含量和TOC含量界限。在建立计算模型时,相关变量可能会提供相似的信息,导致模型过于依赖这些特征,需注意去除相似信息。XGBoost算法在参数优选方面,其网格搜索具有全面性,在网格搜索过程中应该进行多次优选,不断缩小搜索范围以求取最优值。以松辽盆地松南地区赞字井区块为例,采用矿物组分含量、沉积构造及TOC含量建立页岩岩相划分标准,青山口组可划分出5类主要页岩; 在应用XGBoost算法进行变量优选时,对于具有较高相关性的深侧向电阻率(LLD)和浅侧向电阻率(LLS)曲线,保留一条即可,结果表明模型准确率可提高4%左右; 经过变量选择及参数调优后,最终模型预测岩相的准确率可达90.03%。

关键词：页岩岩相预测,XGBoost算法,变量选择,参数调优,测井信息,青山口组,松辽盆地