76 / 2023-07-11 09:16:39

泥页岩岩相识别——以延安地区延长组为例

泥页岩岩相,岩相识别,多层感知器神经网络,K-means聚类分析,判别分析

鄂尔多斯盆地延长组长7段作为典型的陆相页岩油气层段，其泥页岩广泛发育具有钙质矿物含量低，硅质矿物和黏土质矿物含量相似的特点，为加强对长7段泥页岩岩相的认识，基于常规测井曲线、全岩矿物分析及有机质含量等资料，对其岩相类型进行划分，共将其划分为4类一级岩相，16类二级岩相，其中大量发育3种二级岩相分别为：含钙黏土质硅质页岩、含钙硅质/黏土质页岩、含钙硅质黏土质页岩。在此基础上，为解决全岩矿物测定价格昂贵、全区普及率低的问题，将常规测井曲线与矿物含量通过多层感知器神经网络建立联系并预测其矿物含量，同时采用聚类分析法和判别分析法对其岩相划分进行机器学习。结果表明，多层感知器神经网络与贝叶斯判别分析的组合模型对于岩相具有较高的预测准确率，准确率为89.9%，可作为岩相预测的一种主要方法。