排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
由于孔渗统计回归和测井解释方法在致密砂岩储层参数预测中表现不佳,人工智能方法被广泛应用于致密砂岩储层参数预测中。然而,可用的岩心数据很难满足人工智能大量学习样本的要求。因此,提出了基于高斯混合模型的虚拟样本生成方法,以解决缺乏训练样本的问题。该算法的通过拟合原始样本的分布来生成虚拟样本,填充了小样本数据之间的信息缺失。通过标准函数测试,该方法能有效生成训练数据,实际工区孔隙度和渗透率预测对比试验表明,经过虚拟样本扩充数据集后,模型的预测准确率分别提高了9.7%和18.6%,表明所提出的方法可以有效地提高小样本条件下的模型预测精度。 相似文献
1