基于机器学习与多源数据的鄂尔多斯盆地南部延-岩矿测试

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于机器学习与多源数据的鄂尔多斯盆地南部延

作者:

关键词:

摘要：

研究背景与问题

鄂尔多斯盆地南部富含致密油资源，其延长组致密砂岩储层是重要的勘探目标。然而，这些储层普遍存在强烈的非均质性，这使得传统的基于单一参数或线性组合的脆性评价方法难以准确表征其脆性特征，进而影响了压裂作业中“甜点”区域的精准识别。这一现象对提高致密油资源开采效率和经济效益提出了挑战。因此，本研究旨在提出一种更为准确、高效的评价方法，以解决这一储层脆性定量评价的难题。

研究方法

本研究以鄂尔多斯盆地南部延长组致密砂岩为研究对象，综合运用机器学习算法和多源数据。首先，通过高温高压三轴力学实验获取储层的力学参数，作为脆性评价的基础数据。接着，收集包括岩心分析、测井数据、地质调查报告等在内的多源信息。基于这些数据，我们构建了一个机器学习模型，通过特征选择、模型训练和优化，实现致密砂岩脆性的定量评价。

核心结果

通过实验与数据分析和机器学习模型的结合，本研究取得了以下核心结果：首先，确定了能够有效表征致密砂岩脆性的关键力学参数；其次，通过多源数据的整合，实现了对储层脆性的精细量化；最后，机器学习模型的构建与优化提高了评价的准确性和稳定性。这些成果为储层脆性的定量评价提供了一种新的思路和方法。

结论与意义

本文提出的基于机器学习与多源数据的致密砂岩脆性定量评价方法，为鄂尔多斯盆地南部延长组致密砂岩的脆性评价提供了一种新的解决方案。该方法能够克服传统方法的局限性，提高了脆性评价的准确性和适用性。本研究不仅对提高鄂尔多斯盆地致密油资源的开发效率和经济效益具有重要意义，也为类似地质条件的脆性评价研究提供了参考和借鉴。

文章来源：《岩矿测试》网址: http://www.ykcszz.cn/qikandaodu/2026/1027/332.html