發(fā)布時(shí)間：2021-01-07 20:12

　　巖性識(shí)別是油藏地質(zhì)解釋中的關(guān)鍵問(wèn)題和難點(diǎn)問(wèn)題,人工智能特別是機(jī)器學(xué)習(xí)技術(shù)的發(fā)展和應(yīng)用為巖性識(shí)別問(wèn)題解決提供了新的技術(shù)途徑。本文利用支持向量機(jī)（Support vector machine,SVM）、多粒度級(jí)聯(lián)森林（Multi-grained cascade forest,GCForest）、隨機(jī)森林（Random forest,RF）以及XGBoost（eXtreme gradient boosting）等機(jī)器學(xué)習(xí)模型建立一個(gè)異構(gòu)多層集成學(xué)習(xí)模型,該集成學(xué)習(xí)模型克服了單一模型對(duì)數(shù)據(jù)集要求高、泛化能力差以及識(shí)別精度低等缺點(diǎn)。本文分別利用集成模型和單一模型進(jìn)行了巖性識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,本文集成模型在巖性分類測(cè)試集上平均精度達(dá)到96.66%,高于SVM的平均精度75.53%、GCForest的平均精度96.21%、隨機(jī)森林的平均精度95.06%和XGBoost的平均精度95.77%。該集成模型能有效地用于油藏地質(zhì)分析中的巖性識(shí)別和分類任務(wù),適應(yīng)性強(qiáng),識(shí)別精度高。 

【文章來(lái)源】：數(shù)據(jù)采集與處理. 2020,35(03)北大核心

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

多層集成學(xué)習(xí)模型結(jié)構(gòu)

本文的巖性樣本包括4類，分別是砂巖、泥巖、斷層核部和誘導(dǎo)裂縫帶，樣本數(shù)共計(jì)4 181個(gè)（由于篇幅限制，這里只顯示部分巖性類別數(shù)據(jù)），如圖2所示，將其劃分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集樣本3 135個(gè)，測(cè)試集樣本1 046個(gè)，具體分布見(jiàn)表1—2所示。對(duì)單一學(xué)習(xí)模型和本文提出的多層集成學(xué)習(xí)模型分別使用訓(xùn)練樣本集進(jìn)行訓(xùn)練，得到巖性識(shí)別模型，然后用訓(xùn)練得到的模型在測(cè)試樣本集上進(jìn)行巖性識(shí)別實(shí)驗(yàn)，驗(yàn)證模型進(jìn)行巖性識(shí)別的準(zhǔn)確性。

圖3—6是在識(shí)別不同的巖性時(shí)各模型的表現(xiàn)，圖中SVM代表支持向量機(jī)模型、Xgb代表XGBoost模型、GCF代表GCForest模型、RF代表隨機(jī)森林模型、MIEL代表本文提出的多層集成學(xué)習(xí)模型。其中，圖3是5個(gè)模型在砂巖上的識(shí)別準(zhǔn)確率對(duì)比；圖4是5個(gè)模型在泥巖上的識(shí)別準(zhǔn)確率對(duì)比；圖5是5個(gè)模型在斷層核部上的識(shí)別準(zhǔn)確率對(duì)比；圖6是5個(gè)模型在誘導(dǎo)裂縫帶上的識(shí)別準(zhǔn)確率對(duì)比。圖4 泥巖準(zhǔn)確率對(duì)比圖

【參考文獻(xiàn)】：
期刊論文
[1]基于參數(shù)優(yōu)化AdaBoost算法的酸性火山巖巖性分類[J]. 楊笑,王志章,周子勇,魏周城,曲康,王翔宇,王如意.  石油學(xué)報(bào). 2019(04)
[2]基于決策樹特征提取的支持向量機(jī)在巖性分類中的應(yīng)用[J]. 韓啟迪,張小桐,申維.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2019(02)
[3]基于Boosting Tree算法的測(cè)井巖性識(shí)別模型[J]. 江凱,王守東,胡永靜,浦世照,段航,王政文.  測(cè)井技術(shù). 2018(04)
[4]主成分分析與模糊識(shí)別在巖性識(shí)別中的應(yīng)用[J]. 馬崢,張春雷,高世臣.  巖性油氣藏. 2017(05)
[5]面向復(fù)雜儲(chǔ)層的非均衡測(cè)井?dāng)?shù)據(jù)的巖性識(shí)別[J]. 瞿曉婷,張蕾,馮宏偉,王惠亞,張濤,馮筠.  地球物理學(xué)進(jìn)展. 2016(05)
[6]地球物理測(cè)井巖性解釋方法綜述[J]. 趙顯令,王貴文,周正龍,王迪,冉冶,孫艷慧,張曉濤,李梅.  地球物理學(xué)進(jìn)展. 2015(03)
[7]基于SVM測(cè)井?dāng)?shù)據(jù)的火山巖巖性識(shí)別——以遼河盆地東部坳陷為例[J]. 牟丹,王祝文,黃玉龍,許石,周大鵬.  地球物理學(xué)報(bào). 2015(05)
[8]基于測(cè)井多參數(shù)的復(fù)雜儲(chǔ)層巖性綜合識(shí)別[J]. 何羽飛,萬(wàn)金彬,劉淼,程道解,邢軍,黃婭.  測(cè)井技術(shù). 2015(01)
[9]火山巖巖性的支持向量機(jī)識(shí)別[J]. 朱怡翔,石廣仁.  石油學(xué)報(bào). 2013(02)
[10]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動(dòng)化學(xué)報(bào). 2013(06)

碩士論文
[1]基于隨機(jī)森林和支持向量機(jī)的癌癥基因數(shù)據(jù)分析[D]. 梁爐方.山東大學(xué) 2017
[2]半監(jiān)督隨機(jī)森林分類算法及其并行化研究[D]. 馬超.重慶大學(xué) 2017



本文編號(hào)：2963170