作者：江凯; 王守东; 胡永静; 浦世照; 段航; 王...测井解释岩性识别人工智能机器学习boostingtree
摘要：使用Boosting Tree算法,以录井资料和测井资料为基础,优选出自然伽马、自然电位、冲洗带电阻率、侵入带电阻率、原状地层电阻率、密度、补偿中子、声波时差8个对岩性敏感度较高的测井属性,建立岩性识别模型。使用该方法对玛北油田岩石类型齐全的6号井的目的层岩性进行识别,正确率达到89.1％,优于决策树、支持向量机（SVM）等传统的机器学习方法。使用Boosting Tree算法对岩性进行识别也为测井解释提供了新的思路。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
