科研之友
微信
新浪微博
Facebook
分享链接
摘要
天然气水合物是高压低温条件下形成的类冰状结晶的烃类能源,燃值高、储量大,极具开发潜力。基于测井曲线可以识别地层水合物,由于传统的水合物地层识别方法依赖专家判断,效率不高、准确率不高,本文引入多种机器学习算法进行水合物层段识别,根据评价指标准确率、F1分数、精确度与召回率等参数对预测结果进行评估,优选最佳算法。另外,通过将测井参数数目进行优化组合测试,找到不同测井参数对测试结果影响程度,优选最佳参数组合。测试结果表明集成学习算法有较好的评价效果,对未来实现智能化识别水合物有重要意义。
- 单位
天然气水合物是高压低温条件下形成的类冰状结晶的烃类能源,燃值高、储量大,极具开发潜力。基于测井曲线可以识别地层水合物,由于传统的水合物地层识别方法依赖专家判断,效率不高、准确率不高,本文引入多种机器学习算法进行水合物层段识别,根据评价指标准确率、F1分数、精确度与召回率等参数对预测结果进行评估,优选最佳算法。另外,通过将测井参数数目进行优化组合测试,找到不同测井参数对测试结果影响程度,优选最佳参数组合。测试结果表明集成学习算法有较好的评价效果,对未来实现智能化识别水合物有重要意义。
