Resumen

El contenido de carbono orgánico total (COT) es un parámetro fundamental para estimar los recursos de petróleo de esquisto. Sin embargo, los métodos habituales de predicción del COT se basan en fórmulas empíricas y su aplicabilidad varía mucho de una región a otra. En este estudio, se propone un nuevo modelo de optimización bayesiana de gradiente extremo (XGBoost) para predecir el contenido de COT a partir de datos de registros de cable. Se utilizó como caso de estudio el esquisto lacustre de Damintun Sag, en la cuenca de la bahía de Bohai (China). En primer lugar, se utilizó un análisis de correlación para analizar la relación entre los registros de pozo y los datos de COT medidos con el núcleo. Basándose en el grado de correlación, se seleccionaron seis curvas de registro que reflejaban el contenido de COT para construir un conjunto de datos de entrenamiento para el aprendizaje automático. A continuación, se probó el rendimiento del modelo XGBoost mediante una validación cruzada de K veces, y se determinaron los hiperparámetros del modelo mediante un método de optimización bayesiano para mejorar la eficacia de la búsqueda y reducir la incertidumbre causada por la regla general. A continuación, mediante el análisis de los errores de predicción, el coeficiente de determinación (R2) del contenido de COT predicho por el modelo XGBoost y el contenido de COT medido en el núcleo alcanzó 0,9135. El error cuadrático medio (RMSE), el error absoluto medio (MAE) y el error porcentual absoluto medio (MAPE) fueron 0,63, 0,77 y 12,55%, respectivamente. Además, se utilizaron cinco métodos comúnmente utilizados, a saber, el método ΔlogR, el bosque aleatorio, la máquina de vectores de apoyo, los vecinos más cercanos a K y la regresión lineal múltiple, para predecir el contenido de COT y confirmar que el modelo XGBoost tiene una mayor precisión de predicción y una mejor robustez. Por último, el enfoque propuesto se aplicó para predecir las curvas de COT de 20 pozos de exploración en la fosa de Damintun. Obtuvimos por primera vez mapas de contorno cuantitativos del contenido de COT de este bloque. Los resultados de este estudio facilitan la rápida detección de los puntos dulces del petróleo de esquisto lacustre.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:contenido de toc, modelo xgboost, hundimiento de damintún, mapa de contorno cuantitativo, aceite de pizarra lacustre, reglas de uso, contenido de toc medido, carbono orgánico total, error cuadrático medio, mayor precisión de predicción
• Keywords:toc content, xgboost model, damintun sag, quantitative contour map, lacustrine shale oil, rules of thumbs, measured toc content, total organic carbon, means square error, higher prediction accuracy