机器学习预测烃源岩

本文是关于使用机器学习、测井和地球化学分析来预测和表征埃及西北部沙漠Shams油田侏罗纪源岩中的总有机碳（TOC）含量的案例研究。以下是文章的核心内容概述：

1. **研究背景**：

- 埃及西部沙漠是主要的石油产区，具有显著的油气潜力。

- 研究区域位于Shoushan盆地的东部，源岩来自侏罗纪、白垩纪和古生代岩层。

2. **地质背景与地层**：

- Shoushan盆地是北部西部沙漠最大的沿海盆地，拥有侏罗纪、白垩纪和古近纪沉积物。

3. **材料与方法**：

- 对54个侏罗纪源岩样本进行地球化学分析，这些样本来自两个井：Shams-2X和Shams-NE。

- 使用传统的测井数据集，包括伽马射线、中子、密度、电阻率等。

4. **TOC预测**：

- 使用测井模型和机器学习方法预测TOC含量。

- 机器学习方法包括人工神经网络（ANN）、极限学习机（ELM）、贝叶斯正则化前馈神经网络（BRNN）、支持向量回归（SVR）和随机森林（RF）。

5. **结果与讨论**：

- 地球化学分析显示，侏罗纪源岩具有很高的油气生成潜力，TOC含量高达46.90%。

- 测井模型的TOC预测结果与地球化学分析结果吻合良好，R²值均高于0.9。