作者:甘宇; 何沂; 逯宇佳; 吕雪松孔隙度预测机器学习监督学习bp神经网络决策树
摘要:介绍并比较了两种有监督的机器学习方法:BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
《油气地球物理》是一本有较高学术价值的季刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度,颇受业界和广大读者的关注和好评。
省级期刊
人气 45413 评论 46
部级期刊
人气 40862 评论 62
人气 40640 评论 59
人气 37228 评论 65