基于极端随机树算法的流体识别研究

摘要

对储层内流体进行识别存在较大的不确定性，多属性融合进行流体识别显得非常必要。机器学习方法已经日趋成熟，但在流体识别方面的应用还较少见。这里引入一种实现简单、具有较强普适性的方法——极端随机树方法对流体进行识别，比较了本方法较传统的机器方法的识别准确率优势，并通过均方误差及错误率的验证证实了本方法对于流体识别的准确性。最后将本方法应用于南海某油气田，良好的识别效果证实了本方法对于流体识别的有效性。

关键词

流体识别 / 极端随机树 / 机器学习 / 多属性融合