本申請涉及地質探測領域，尤其涉及一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法。
背景技術：
1、隨著油氣資源需求的不斷加大以及常規油氣的日漸枯竭，油氣勘探逐漸向非常規領域推進。勘探實踐證實，中國陸相頁巖油資源非常豐富，已實現由量變至質變的突破。但頁巖儲層致密性強，黏土礦物含量高，儲層脆性低，巖性較復雜，頁巖油采收率低，效益少。
2、“甜點”概念廣泛應用于非常規油氣勘探與開發，優質“甜點”的選擇是經濟有效開發的基礎，尋找甜點是頁巖油勘探與評價和實現經濟效益開發的關鍵。頁巖油甜點預測通常包括?3?個方面：烴源巖品質評價、儲層品質評價和工程品質評價，評價過程主要依靠大量實驗數據，成本高，效率低。
3、目前，利用機器學習和測井數據在甜點預測方面提供了新思路。但多是單參數預測，涉及到多個參數及需要建立多個不同模型，較為繁瑣。而已有的bp多輸出神經網絡雖然可以做到多個參數預測，但前提是每一個參數對應的自變量(測井參數)都是一樣的，而在勘探歷程較長的地區，取芯次數多、時間跨度大導致樣本復雜多樣(不同實驗不同取芯，所對應的測井參數不同)，傳統bp多輸出神經網絡模型難以適應，模型建立過程繁瑣且效率低下。
技術實現思路
1、本發明的目的在于：為了解決不同實驗不同取芯，所對應的測井參數不同需要建立多個模型繁瑣且效率低下的問題，提供一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法。
2、本申請的上述目的是通過以下技術方案得以實現的：
3、s1：收集巖心實驗數據，巖心實驗數據包括：游離烴含量、可動孔隙度以及脆性指數；獲取游離烴含量對應的測井資料、可動孔隙度對應的測井資料以及脆性指數對應的測井資料；
4、s2：通過測井資料以及巖心實驗數據，構建數據集；
5、s3：基于隨機森林算法，建立三參數預測模型；通過數據集對三參數預測模型進行訓練；
6、s4：獲取待預測的測井數據；通過訓練后的三參數預測模型，基于測井數據完成單井全井段到研究區三參數預測以及油氣藏中的甜點識別。
7、可選的，步驟s2包括：
8、將數據集的測井資料定義為自變量；將數據集的游離烴含量、可動孔隙度以及脆性指數定義為因變量。
9、可選的，步驟s2還包括：
10、對數據集的自變量和因變量分別進行歸一化處理；將數據集的數據劃分為三組數據集，每組數據集包含一組自變量及其對應的因變量。
11、可選的，步驟s3包括：
12、使用?treebagger?函數，結合數據集中的三組數據，分別訓練三個隨機森林回歸模型，得到訓練后的三參數預測模型；每個隨機森林回歸模型使用不同的一組自變量及其對應的因變量。
13、可選的，步驟s3還包括：
14、設置隨機森林中樹的數量、每個葉節點所需的最少樣本數以及樹的最大深度。
15、一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測系統，所述系統包括：數據獲取模塊、數據處理模塊、顯示模塊；
16、所述數據獲取模塊用于收集巖心實驗數據，巖心實驗數據包括：游離烴含量、可動孔隙度以及脆性指數；
17、所述數據獲取模塊還用于獲取游離烴含量對應的測井資料、可動孔隙度對應的測井資料以及脆性指數對應的測井資料；
18、所述數據處理模塊用于通過測井資料以及巖心實驗數據，構建數據集；
19、所述數據處理模塊還用于基于隨機森林算法，建立三參數預測模型；通過數據集對三參數預測模型進行訓練；
20、所述數據獲取模塊還用于獲取待預測的測井數據；
21、所述數據處理模塊還用于通過訓練后的三參數預測模型，基于測井數據完成單井全井段到研究區三參數預測以及油氣藏中的甜點識別；
22、所述顯示模塊用于將甜點識別結果進行可視化顯示。
23、一種電子設備，包括處理器、存儲器、用戶接口及網絡接口，所述存儲器用于存儲指令，所述用戶接口和網絡接口用于給其他設備通信，所述處理器用于執行所述存儲器中存儲的指令，以使所述電子設備執行一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法。
24、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有指令，當所述指令被執行時，執行一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法。
25、本申請提供的技術方案帶來的有益效果是：
26、目前有關機器學習預測參數大多是單預測單輸出，改進的隨機森林模型可做到不同自變量訓練預測多種因變量，提高預測效率。通過結合烴源巖、儲層和工程三品質參數（游離烴含量、可動孔隙度以及脆性指數）進行綜合預測，能夠更全面、準確地評估和識別甜點，并且該技術方便、靈活性強。
1.一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法，其特征在于，方法包括以下步驟：
2.如權利要求1所述的一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法，其特征在于，步驟s2包括：
3.如權利要求2所述的一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法，其特征在于，步驟s2還包括：
4.如權利要求3所述的一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法，其特征在于，步驟s3包括：
5.如權利要求4所述的一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測方法，其特征在于，步驟s3還包括：
6.一種基于隨機森林的烴源巖-儲層-工程多參數綜合預測系統，其特征在于，所述系統包括：數據獲取模塊、數據處理模塊、顯示模塊；
7.一種電子設備，其特征在于，包括處理器(501)、存儲器(505)、用戶接口(503)及網絡接口(504)，所述存儲器(505)用于存儲指令，所述用戶接口(503)和網絡接口(504)用于給其它設備通信，所述處理器(501)用于執行所述存儲器(505)中存儲的指令，以使所述電子設備執行如權利要求1-5任意一項所述的方法。
8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有指令，當所述指令被計算機執行時，執行如權利要求1-5任意一項所述的方法。