（柳波 文）測井?dāng)?shù)據(jù)可以提供地層巖石物理信息，在儲(chǔ)層評(píng)價(jià)、鉆井工程和水力壓裂建模等油氣勘探開發(fā)過程中得到廣泛應(yīng)用。尤其是近年來發(fā)展的核磁共振（NMR）測井技術(shù)，通過機(jī)器學(xué)習(xí)算法建立的預(yù)測模型可以克服常規(guī)測井資料無法獲得滲透率信息的不足。今年2月，《地質(zhì)能源科學(xué)與工程》（Geoenergy Science and Engineering）在線發(fā)表了柳波團(tuán)隊(duì)與國際合作者題為“NMR log response prediction from conventional petrophysical logs with XGBoost-PSO framework”的論文（https://doi.org/10.1016/j.geoen.2023.211561）。
本次研究創(chuàng)建的一種利用PSO（粒子群優(yōu)化算法）實(shí)現(xiàn)了基于XGBoost（極端梯度提升方法）的超參數(shù)最優(yōu)組合，實(shí)現(xiàn)了常規(guī)測井資料（如中子、密度、聲波時(shí)差、井徑、伽馬和電阻率等）預(yù)測地層NMR測井響應(yīng)，從而得到自由流體孔隙度（CMFF）、束縛流體孔隙度（BFV）、總孔隙度（TCMR）和滲透率（KTIM）等參數(shù)（圖1）。這種仿生優(yōu)化算法具有更快的收斂速度和更高的預(yù)測精度（88.5%-91.4%），是適用于油氣田勘探開發(fā)過程中降低成本的一種高效、經(jīng)濟(jì)的工具。柳波教授為論文第一作者，合作者包括德國基爾大學(xué)Mehdi Ostadhassan教授，北京大學(xué)能源研究院劉扣其助理教授等。該研究得到省自然科學(xué)基金研究團(tuán)隊(duì)項(xiàng)目支持。
圖1 總孔隙度和滲透率預(yù)測值與實(shí)測值對比
論文信息與鏈接：Liu, B., Rostamian, A., Kheirollahi, M., Mirseyed, S.F., Mohammadian, E., Golsanami, N., Liu, K., Ostadhassan, M., 2023. NMR log response prediction from conventional petrophysical logs with XGBoost-PSO framework. Geoenergy Science and Engineering 224, 211561. （https://doi.org/10.1016/j.geoen.2023.211561）（孟強(qiáng) 審核）
