| 基于随机树嵌入的随钻测井岩性识别方法 |
| |
| 引用本文： | 王新领,祝新益,张宏兵,孙博,许可欣.基于随机树嵌入的随钻测井岩性识别方法[J].吉林大学学报(地球科学版),2024(2):701-708. |
| |
| 作者姓名： | 王新领 祝新益 张宏兵 孙博 许可欣 |
| |
| 作者单位： | 1. 中海油田服务股份有限公司物探事业部物探研究院特普数据中心(湛江);2. 河海大学地球科学与工程学院 |
| |
| 基金项目： | 国家自然科学基金项目(41374116)；;国家级大学生创新创业训练计划项目(202310294028Z)~~； |
| |
| 摘 要： | 岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F1值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。
|
| 关 键 词： | 机器学习 随机树嵌入 随机森林 岩性识别 随钻测井 |
|
|
