典型文献
基于机器学习算法和属性特征双优选的砂体岩性预测方法
文献摘要：
随着油气田勘探开发难度越来越大,对砂体岩性预测精度提出更高要求.具有较高纵向分辨率的地质统计学方法,随着其应用范围越来越广,井间预测可靠性不足的缺点愈加明显.基于机器学习算法和属性特征双优选的砂体岩性预测方法,首先通过井震精细标定,明确砂体在地震数据和属性体上的特征;然后在属性特征优选和确定测井敏感曲线的基础上,选择最优的机器学习算法;接下来使用K折交叉验证法,获得最优超参数组合,最后通过多次迭代获得预测精度和鲁棒性都较高的训练模型.将该方法应用于埕岛东坡馆上段5砂组砂体岩性预测,不仅井点吻合度较高,预测的井间砂体延展形态也与地震数据保持一致,井间预测可靠性较高.
文献关键词：
机器学习;算法优选;超参数;K折交叉验证;岩性预测
中图分类号：
作者姓名：
颜世翠
作者机构：
中国石化胜利油田分公司勘探开发研究院,山东东营257015
文献出处：
引用格式：
[1]颜世翠-.基于机器学习算法和属性特征双优选的砂体岩性预测方法)[J].油气地质与采收率,2022(01):98-106
A类：
测井敏感曲线
B类：
基于机器学习,机器学习算法,属性特征,双优,砂体,岩性预测,油气田勘探,勘探开发,发难,纵向分辨率,地质统计学,统计学方法,地震数据,属性体,特征优选,接下来,交叉验证法,优超,超参数,数组,多次迭代,训练模型,东坡,馆上段,井点,吻合度,数据保持,保持一致,算法优选
AB值：
0.349596
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
