关键词:
低孔渗砂砾岩储层
水淹级别评价
核极限学习机
麻雀搜索优化器
摘要:
低孔渗砂砾岩储层具有较强的非均质性,水淹层的测井响应特征复杂多变,导致其识别难度较大。为准确、快速地划分水淹级别,基于核极限学习机(kernelized extreme learning machine,KELM)和融合麻雀搜索算法(sparrow search algorithm,SSA),提出了一种水淹级别评价混合模型(SSA-KELM)。首先,通过分析不同水淹级别的测井响应特征,优选出水淹敏感的测井曲线作为测试与训练的样本集;其次,利用麻雀搜索优化器寻优核极限学习机模型的重要超参数;最后,将SSA-KELM模型与极限学习机(ELM)、粒子群优化算法(PSO)-ELM,KELM,遗传算法(GA)-KELM,PSO-KELM等5种模型进行了对比。实验结果表明:当麻雀数量为200只时,寻优得到的KELM模型最优超参数为C=97.39,gamma=0.3,此时SSA-KELM模型的划分精度最高,泛化能力最佳。实例井应用的符合率达到85.4%,实际应用效果优于ELM,PSO-ELM,KELM,GA-KELM及PSO-KELM等模型,为低孔低渗储层水淹级别的评价提供了新的思路和方法。