基于改进SMOTE和随机森林算法的致密砂岩成岩相测井解释方法

摘要

成岩相测井解释是致密砂岩优质储层预测的关键,相较于常规的数理统计学方法,机器学习方法可以有效提高成岩相测井解释精度,但受样品数量不足的影响,其解释结果仍存在一定的多解性。为有效解决成岩相测井解释中样本数据不平衡问题,在经典SMOTE算法的基础上,顾及新增样本的空间约束,提出了一种RESMOTE算法,对不平衡数据中的少类样本进行新增,并利用随机森林模型进行成岩相的识别与解释。结果表明,RESMOTE算法优于经典SMOTE算法、Borderline-SMOTE算法和ADASYN算法,随机森林模型的精度从原来的77.27%提升至91.06%。采用RESMOTE算法可保证新增数据的准确性,有效解决了常规测井岩相识别分类方法中的过拟合和准确性不高的问题,对致密砂岩优质储层预测具有重要的应用价值。

关键词

致密砂岩 / 成岩相 / RESMOTE算法 / 随机森林 / 测井解释