首页 > 《油气地球物理》 > 2018年3期 > 基于机器学习的孔隙度预测方法研究

基于机器学习的孔隙度预测方法研究

在线阅读下载PDF 导出详情

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。

DOI wjvrvnpk47/1849226

作者甘宇;何沂;逯宇佳;吕雪松

机构地区不详

出处《油气地球物理》 2018年3期

关键词孔隙度预测机器学习监督学习 BP神经网络决策树

分类 [天文地球][矿床学]

出版日期 2018年03月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）