储层类型判别中，纵横波速度、阻抗、密度等弹性参数往往相互相关、取值范围重叠，类别样本数量也不平衡，单一参数和常规多分类容易产生多解。研究以砂岩储层预测为例，从特征工程和模型调优两端改进随机森林：通过扩展弹性阻抗构造候选敏感参数，再按特征重要性和交叉验证优选组合；采用一对多（OVR）策略，将泥岩识别与砂岩内部干层、储层识别拆分为二分类任务，并用树结构Parzen估计（TPE）贝叶斯优化搜索随机森林超参数。
图1.特征扩充、组合优选、OVR样本平衡与TPE优化构成的储层预测流程
在测井尺度下，泥岩与砂岩第一阶段分类的准确率为86.7%；将测井数据粗化至地震尺度后，模型在实际地震资料上的预测结果与测井解释较一致，文中报告准确率为83%。研究显示，敏感参数组合、样本平衡与超参数优化共同改善了该工区的储层预测表现。相关结果仍受弹性参数反演质量和测井到地震尺度转换影响，模型在其他工区的适用性还需继续检验。
图2.地震尺度下OVR-TPE随机森林预测结果与测井解释及其他方法对比
研究成果于2025年8月发表于地球物理学领域重要期刊《地球物理学报》。论文第一作者为中国石油大学（华东）马玉彬，通讯作者为曹丹平教授，合作作者包括中海石油（中国）有限公司海南分公司刘仕友，以及中国石油大学（华东）冯吉浩、赵佳豪。研究由中国石油大学（华东）深层油气全国重点实验室、青岛海洋科技中心海洋矿产资源评价与探测技术功能实验室及中海石油（中国）有限公司海南分公司合作完成，得到国家自然科学基金和国家科技重大专项联合资助。
论文信息：马玉彬，刘仕友，曹丹平，冯吉浩，赵佳豪.2025.于贝叶斯优化的随机森林在储层预测的应用. 地球物理学报，68(8)：3247-3257.doi：https://doi.org/10.6038/cjg2024S0182.
