[发明专利]一种基于Xgboost算法的储层岩性预测方法

权利要求书

1.一种基于Xgboost算法的储层岩性预测方法，其特征在于，包括以下过程：

步骤一：叠后地震属性提取，获得振幅类、频率类、时间类及吸收衰减类地震属性体；

步骤二：地震属性时深转换，获得深度域地震属性体；

步骤三：将各深度域地震属性体和测井岩性数据分别粗化至地质模型中，对测井岩性数据和深度域地震属性数据重采样，获得纵向采样精度一致的测井岩性数据和深度域地震属性数据；

步骤四：地震属性数据归一化处理，获得无量纲地震属性数据体；

步骤五：提取步骤四处理的地震属性数据的井旁道数据，获得与测井岩性数据在同深度对应的各类井旁道地震属性数据；

步骤六：模型训练，采用Xgboost算法获得储层岩性预测体；

步骤七：模型评估，通过修改Xgboost算法中的敏感参数，优化算法模型，获得最佳储层岩性预测数据体。

2.根据权利要求1所述的基于Xgboost算法的储层岩性预测方法，其特征在于，步骤二具体过程包括：以单井时深关系资料(VSP资料)、时间层位解释数据为基础，利用协同克里金算法，建立工区内速度模型；以速度模型为约束，将步骤一提取的各类地震属性体进行时深转换，获得深度域振幅类、频率类、时间类及吸收衰减类地震属性体。

3.根据权利要求1所述的基于Xgboost算法的储层岩性预测方法，其特征在于，步骤六具体过程包括：以步骤三粗化的测井岩性数据和步骤五提取的井旁道地震属性数据为训练对象，通过Xgboost方法，训练单井岩性数据与井旁道地震属性之间的复杂非线性关系，形成训练模型；将步骤四的各类地震属性数据带入训练模型中，推算井间各网格中的岩性分布数据，得到三维储层岩性预测体。

4.根据权利要求1所述的基于Xgboost算法的储层岩性预测方法，其特征在于，步骤七具体过程包括：通过调整Xgboost算法中的敏感参数，不断优化算法模型，获得与已知数据吻合，与生产特征吻合，与岩相平面分布与纵向展布特征与地质认识一致的预测数据体。