科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于实时随钻传输速率等问题的影响，方位伽马信息不足，增加了后续地层分析的工作的难度。针对上述问题，提出了一种新的预测方法：通过Stacking融合模型框架建立一种随钻方位伽马预测模型，该模型以随机森林、消去树、支持向量机、K近邻、长短期记忆网络为基学习器，以GBDT为元学习器，对随钻方位伽马数据进行预测。实验表明，该方法预测效果优于样条插值及单一学习器，能够有效提升方位伽马数据预测的精度，在实际生产中有良好的应用。
- 单位
由于实时随钻传输速率等问题的影响，方位伽马信息不足，增加了后续地层分析的工作的难度。针对上述问题，提出了一种新的预测方法：通过Stacking融合模型框架建立一种随钻方位伽马预测模型，该模型以随机森林、消去树、支持向量机、K近邻、长短期记忆网络为基学习器，以GBDT为元学习器，对随钻方位伽马数据进行预测。实验表明，该方法预测效果优于样条插值及单一学习器，能够有效提升方位伽马数据预测的精度，在实际生产中有良好的应用。
