Das Mahu-Ölfeld im Nordwesten des Junggar-Beckens in Xinjiang ist eines der größten Konglomerat-Ölfelder der Welt mit Reserven im Milliarden-Tonnen-Bereich. Die physikalischen Eigenschaften des Reservoirs sind jedoch schlecht und die Heterogenität stark ausgeprägt, was eine große Herausforderung für die effiziente Erschließung von Öl- und Gasressourcen darstellt. Der Schlüssel zur effizienten Erschließung von Öl- und Gasressourcen liegt in der präzisen Identifizierung von Reservoirs mit industriellem Produktionswert, also Bereichen mit hoher Öl- und Gasförderkapazität und niedrigen Entwicklungskosten. Aufgrund der Komplexität der Bewertung von Öl- und Gasreservoirs in der Mahu-Senke des Junggar-Beckens wurde in der Studie ein auf einem Ensemble-Algorithmus basierendes Prognosemodell für den Wert von Öl- und Gasreserven — OGRV (Oil and Gas Reservoir Value) — vorgeschlagen. Die Studie analysierte zunächst eingehend die geologischen Merkmale der Mahu-Senke und den aktuellen Stand der Öl- und Gasexploration, anschließend wurde ein Ensemble-Algorithmus entwickelt, der Random Forest (RF), Long Short-Term Memory (LSTM) und Convolutional Neural Network (CNN) integriert, um die Genauigkeit und Generalisierungsfähigkeit der Reservoirbewertung zu verbessern. In der konkreten Implementierungsphase wurden durch systematische Vorverarbeitung und Feature Engineering Schlüsselmerkmale extrahiert und in Kombination mit Expertenwissen erweiterte Merkmale wie Kohlenwasserstofffeuchtigkeitsverhältnis, Kohlenwasserstoffgleichgewichtsverhältnis und Kohlenwasserstoffmerkmalverhältnis erstellt. Zudem wurde die Sliding-Window-Technik eingeführt, um die Veränderungstrends der Merkmale mit der Tiefe zu verfolgen, und die Klassifizierungsinformationen ähnlicher Bohrungen wurden als a priori Wissen genutzt, um die Vorhersagefähigkeit des Modells zu stärken. Schließlich wurde durch die Kombination der Vorteile verschiedener Modelle ein präziser und robuster Algorithmus zur Reservoirbewertung entwickelt, der effizient Reservoirs mit industriellem Produktionswert im Mahu-Becken identifizieren kann. Auf dem Testdatensatz erreichten F1-Score, Genauigkeit und AUC-Wert 0,8470, 0,7725 bzw. 0,7810. Die Studie untersuchte auch die Erklärbarkeit des Modells, um Geologen den Entscheidungsmechanismus des Modells zu erläutern und ihnen bei der fundierten Entscheidungsfindung im Bereich der Öl- und Gasexploration und -entwicklung zu helfen.

Reservoirvorhersage; Mahu-Senke; gleitendes Fenster; Ensemble-Modell; Erklärbarkeit