典型文献
基于PCA-CNN模型的页岩储层有机碳含量预测方法
文献摘要：
总有机碳含量(TOC)是评价烃源岩有机质丰度和生烃潜力的指标之一.以东营凹陷牛庄洼陷页岩油取心井为例,以实验分析岩心TOC和测录井资料为基础,应用交会图获取TOC相关敏感参数.通过采用常规陆相页岩储层TOC计算模型即ΔlogR法和多元回归分析法预测研究区湖相页岩储层TOC,相关性不高,效果不佳.因此提出选用机器学习模型即利用主成分分析(PCA)模型与改进的卷积神经(CNN)模型组合,形成PCA-CNN模型,通过PCA模型对数据降维,去除冗余信息和噪声信息,再利用CNN模型进行页岩储层TOC预测,使样本数据质量和TOC预测精度得以提高.将PCA-CNN模型应用到牛庄洼陷的6口页岩油取心井进行TOC预测,结果表明,对于陆相页岩储层,PCA-CNN模型TOC预测精度较高,符合率最高达96％.
文献关键词：
页岩储层;常规TOC计算模型;敏感参数;主成分分析(PCA)模型;卷积神经(CNN)模型
中图分类号：
作者姓名：
管倩倩
作者机构：
中国石化胜利油田分公司勘探开发研究院,山东东营257015
文献出处：
引用格式：
[1]管倩倩-.基于PCA-CNN模型的页岩储层有机碳含量预测方法)[J].油气地质与采收率,2022(06):49-57
A类：
B类：
页岩储层,碳含量预测,总有机碳含量,TOC,烃源岩,有机质丰度,生烃潜力,东营凹陷,牛庄洼陷,页岩油,取心,岩心,录井资料,交会,敏感参数,陆相页岩,logR,多元回归分析法,预测研究,湖相页岩,机器学习模型,模型组合,数据降维,冗余信息,声信,数据质量,模型应用,符合率
AB值：
0.282204
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
