基于改进的随机森林算法的井曲线填补研究及应用

作者：牛聪; 王建花; 邬蒙蒙^*; 刘俊平; 凌云; 陶柏丞; 张玉华

来源：中国海上油气, 2023, 35(06): 43-50.

• 机器学习
• 测井曲线复原
• 随机森林算法
• 遗传算法

测井数据是描述油气藏信息的重要途径，但实际勘探中测井曲线往往失真或缺失，其复原问题一直都是油气勘探领域的研究热点和难点。传统的随机森林算法主要受n＿estimators(决策树的个数)和max＿depth(树的最大埋深)这两个参数控制，在实际填补测井数据中并不能很好地训练出理想的模型。本文基于遗传算法(Genetic Algorithm, GA)提出了一种改进的随机森林算法(IRFA)用于测井曲线复原，即用GA来优化随机森林模型参数，进而提高缺失曲线复原的准确性和稳定性。实验结果表明，与传统的随机森林、BP神经网络以及长短期记忆神经网络(LSTM)相比，本文方法模型适应性及泛化能力更好，复原结果精度高且更为稳定。

• 单位
  中海油研究总院有限责任公司; 成都理工大学