基于随机森林的K-近邻算法划分火成岩岩性

针对火成岩油气藏火成岩岩性划分难,岩性划分准确率受薄片鉴定样本数量影响大的问题,利用随机森林(RF)算法分析不同的测井曲线与火成岩岩性相关性,再利用K-近邻(KNN)算法划分小样本薄片鉴定情况下的火成岩岩性.将研究成果应用于川西地区二叠系火成岩地层,结果表明:测井曲线与岩性相关程度从高到低依次为GR、Rt、DEN、CNL、AC;KNN算法划分火成岩岩性,k取值受分类数量和训练样本数量2个因素控制,样本数量较小时后者影响程度大于前者;k为3时,24个火成岩训练样本(5种岩性)KNN法回判准确率为87.5％,14个火成岩(5种岩性)测试样本测试准确率为92.5％.对比图版划分火成岩岩性,KNN算法受人为影响小,参数调节简便.该研究对小样本情况下火成岩岩性划分有重要指导意义.