15 / 2021-05-11 12:41:38

BP神经网络与C&RT决策树在泥页岩储层岩性识别中的对比应用

饶阳凹陷；泥页岩层系；岩性识别；BP神经网络；C&RT决策树

陆相泥页岩层系岩性复杂，纵向变化快，不同岩性之间测井响应差异不明显，岩性识别难度较大，以往的曲线特征法、交汇图法和多元统计法等传统岩性识别方法难以满足研究需求。神经网络和决策树等智能性算法具有很强的自学习和容错抗干扰能力，对于解决非线性问题优势明显。本文建立BP神经网络模型和C&RT决策树模型应用于饶阳凹陷沙一下亚段泥页岩层系岩性识别，结合镜下薄片观察，最终确定研究区目的层段岩性。

对饶阳凹陷沙一下亚段进行岩性识别，BP神经网络模型正确率为75%，C&RT决策树模型正确率为88%；对于相同岩性不同碎屑组分的识别，BP神经网络模型存在一定的局限，C&RT决策树模应用效果更好。研究结果显示：饶阳凹陷沙一下亚段泥页岩层系主要发育砂岩、泥岩、钙质泥岩、砂质泥岩、页岩、云岩和灰岩等七种岩性，灰岩主要分布于西南部留西洼槽，西北部蠡县斜坡区域以砂岩、泥质砂岩和泥岩为主，泥岩、页岩、云岩和灰岩主要分布在，发育大段泥页岩，夹灰岩、云岩和砂岩，是页岩油开发有利层段。