埕北35块东营组低阻薄油层的智能识别及应用

摘要

在复杂油气藏勘探开发中，智能识别低阻薄油层是提升测井解释精度的关键．针对埕岛油田埕北35块东营组储层低阻、薄互层特性导致的油气响应特征模糊、产能与非产能储层差异小等难题，本文引入梯度提升决策树（Gradient Boosting Decision Tree, GBDT）算法，开展低阻薄油层智能识别研究．基于测井曲线特征、岩电测试、试油数据及储层物性参数，通过数理特征提取构建低阻层测井特征集合，采用决策树特征优选机制筛选关键判别参数作为GBDT模型输入，建立低阻储层智能识别模型，并结合岩电测试确定储层下限标准．应用结果表明，GBDT模型识别准确率达89.5%，较传统测井数值模型提升约30%，显著降低人工经验判别失误率，为低阻薄油层高效勘探开发提供智能化解决方案．

关键词

东营组 / GBDT / 决策树 / 智能识别 / 低阻油层