基于机器学习测井反演的宏观煤岩类型评价——以鄂尔多斯盆地佳县区块本溪组8号煤为例

摘要

宏观煤岩类型是煤层特性的重要表征，可揭示深部煤相特征。传统钻井取心及人工观察方法成本高、操作复杂，且受限于样本范围，难以高效覆盖大区域。利用测井资料结合机器学习反演煤岩类型，能显著降低人工识别成本、提高反演精度与效率，并实现广域反演。以鄂尔多斯盆地佳县区块本溪组8号煤为研究对象，该层段四类宏观煤岩类型均有发育，采用随机森林和BP神经网络等机器学习算法，对测井数据进行反演，来预测宏观煤岩类型并分析煤相特征。研究结果表明：(1)随机森林算法预测结果和实际岩心观察结果最为接近，预测准确率达86.24%;(2)佳县地区中部与南部煤层以光亮煤和半亮煤为主，东北部煤层暗淡煤较多；(3)佳县地区整体以低位的草本沼泽与湿地草本沼泽的过渡相为主，东北部为深覆水的低位草本沼泽。

关键词

宏观煤岩类型 / 鄂尔多斯盆地 / 测井反演 / 机器学习

基金资助

国家重点研发计划资助(2024YFC2909400); 国家自然科学基金资助项目(42130806,42372195); 中央高校基本科研业务费深时数字地球前沿科学中心“深时数字地球”中央高校科技领军人才团队项目(2652023001); 中央高校青年教师科研创新能力支持项目(ZYGXQNJSKYCXNLZCXM-E14); 内蒙古地质矿产集团有限公司重点科技研发项目(DKZDYF-202510)