地科学院娄静瑶博士在石油领域重要期刊《SPE JOURNAL》上发表题为“Fluid Identification Using XGBoost Combined with MAHAKIL in Low- Permeability Reservoirs”的研究论文。太阳成集团tyc7111cc太阳成集团tyc7111cc为论文第一署名单位，研究生娄静瑶为论文第一作者，赵仲祥副教授为该文通讯作者。本项研究得到国家重大科技专项和国家自然科学基金共同资助。

该研究选取中国松辽盆地古龙油田姚一段葡萄花组油层为验证对象，将XGBoost和MAHAKIL的过采样方法结合，利用低渗砂岩储层的测井数据进行流体性质识别（图1）。采用MAHAKIL方法解决训练样本不平衡导致类不平衡的问题，将数据输入XGBoost，通过多个决策树建立复杂测井曲线特征与流体性质相关响应权重的地质模型。首先，利用F1-Score、Recall、Precision和Accuracy四个评价标准证明经过MAHAKIL过采样后的XGBoost模型在流体识别方面表现优于未处理数据的XGBoost模型。在不平衡数据集的情况下，MAHAKIL提高了模型的识别精度，且F1-score更适用于储层流体预测的分类问题（图2a）。其次，用ROC和AUC的值证明了MAHAKIL提高了XGBoost的性能（图2b）。最后，将该方法和传统的XGBoost模型在类不平衡的实际数据上的应用结果和性能进行对比。结果表明，该方法在训练样本不平衡的情况下，对低渗砂岩储层的流体性质识别具有优越性（图3）。

《SPE Journal》是SPE协会旗舰期刊，为国际石油天然气工程领域顶级期刊，期刊影响因子为3.602，中科院SCI期刊分区二区。

论文链接: https://onepetro.org/SJ/article/29/01/203/533600/Fluid-Identification-Using-XGBoost-Combined-with

图1 储层流体性质识别流程图

图2评价结果 a.两种模型平均得分比较；b.两种模型的ROC曲线与AUC值

图3 比较两种模型对四种流体性质的识别

图4 论文首页