典型文献
基于2种机器学习方法的页岩TOC含量评价——以川南五峰组—龙马溪组为例
文献摘要：
为了建立合理准确的川南五峰组—龙马溪组页岩TOC含量预测方法,以长宁、泸州等地区的测井曲线及17口井实测TOC含量数据为基础,利用主成分分析法对这些资料进行预处理,基于BP神经网络和梯度提升决策树(GBDT)方法建立2种TOC含量预测模型,并将之与传统TOC含量预测方法进行对比.结果表明:①2种新模型的准确度均高于传统方法,预测结果与实际值吻合度均满足要求.②与BP神经网络模型相比,GBDT预测精度更高,均方根误差仅为0.0387.利用GBDT方法所建立的TOC含量预测模型具有低成本、高效、连续等特点,能够快速准确地预测目的层TOC含量.该成果可为提高页岩油气勘探开发效率提供有效技术支撑.
文献关键词：
主成分分析法;BP神经网络;GBDT;五峰组—龙马溪组;川南
中图分类号：
作者姓名：
杨占伟;姜振学;梁志凯;吴伟;王军霞;宫厚健;李维邦;苏展飞;郝绵柱
作者机构：
中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)非常规油气科学技术研究院,北京102249;中国石油西南油气田公司页岩气研究院,成都610051
文献出处：
引用格式：
[1]杨占伟;姜振学;梁志凯;吴伟;王军霞;宫厚健;李维邦;苏展飞;郝绵柱-.基于2种机器学习方法的页岩TOC含量评价——以川南五峰组—龙马溪组为例)[J].岩性油气藏,2022(01):130-138
A类：
B类：
机器学习方法,TOC,川南,五峰组,龙马溪组页岩,含量预测,长宁,泸州,测井曲线,梯度提升决策树,GBDT,吻合度,满足要求,快速准确,页岩油气勘探,油气勘探开发,开发效率,有效技术
AB值：
0.2229
相似文献
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。
