Повышенная точность прогнозирования общего органического углерода в сланцевых газовых резервуарах с использованием расширенных признаков и случайных лесов
Enhanced prediction of total organic carbon in shale gas reservoirs using extended feature variables and random forests
2026-02-10
SCID: 54.1/t7u9kf8p
Discuss with AI
расширенное упругое импедансное преобразование (EEI)случайный лес (RF)характеризация сланцевых газовых месторожденийметод синтетического увеличения меньшинства (SMOTE)общее органическое вещество (TOC)
Figures from the paper
Abstract (AI)
Общий органический углерод (TOC) является критическим параметром для оценки качества сланцевых газовых резервуаров и гидрокарбонового потенциала. В настоящем исследовании предложен инновационный подход, сочетающий расширенное упругое импедансное преобразование (extended elastic impedance, EEI) и алгоритмы случайного леса (random forest, RF) для прогнозирования распределения TOC в сланцевых газовых резервуарах. Мы решаем две ключевые проблемы: ограниченное число признаков и несбалансированные наборы образцов. Наш метод автоматически генерирует 222 признака посредством EEI-преобразования и применяет метод синтетического увеличения числа представителей меньшинства (SMOTE) для выравнивания распределения выборки. Применение в зоне разведки сланцевого газа на юго-западе Китая показало, что предложенный метод превосходит традиционные подходы по точности, особенно в выявлении зон с высоким содержанием TOC. Результаты верифицированы горизонтальным бурением, что подтверждает эффективность метода для характеристики сланцевых газовых резервуаров.
Key Findings
1
Применение в районе сланцевого газа на юго-западе Китая показывает превосходную точность по сравнению с традиционными подходами, особенно при выявлении зон с высоким TOC.
2
Комбинация преобразований расширенной упругой импедансности (EEI) с алгоритмом случайного леса (RF) позволяет прогнозировать распределение TOC в сланцевых газовых пластах.
3
Для балансировки несбалансированных наборов образцов применяется SMOTE (техника синтетического увеличения меньшинства).
4
Метод автоматически генерирует 222 признака с помощью преобразования EEI для решения проблемы ограниченного числа переменных признаков.
5
Валидация при горизонтальном бурении подтверждает эффективность метода для характеристики сланцевых газовых залежей.
Research Object
Распределение общего органического углерода (TOC) в сланцевых газовых коллекторах в районе разведки на юго-западе Китая
Research Subject
Улучшенное прогнозирование TOC с использованием признаков, сгенерированных через расширённое упругое импедансное преобразование (EEI), моделирования методом случайного леса (RF) и SMOTE для корректировки ограниченных/несбалансированных выборок, с валидацией горизонтальным бурением для идентификации зон с высоким содержанием TOC
Publication Details
Publication Date
2026-02-10
Journal
Publisher
ISSN
Cited by
0
Access Type
Author Information
Download PDF
Subscribe to digest