科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决多源复杂测井曲线难以获得且生成困难这一难题,本文提出了一套高效的机器学习建模范式,即以长短期记忆神经网络为基础,通过数据完整性分析、交叉检验和收敛性分析进行建模。该建模范式主要有3个优点:可以提升训练数据的数量和质量、对模型性能进行评估并针对应用场景对模型的适用性进行预估。为了验证本文提出的建模范式的效果,以长宁威远地区页岩气井为例开展实验,结果显示该建模范式能够高效生成多源复杂测井曲线,且预测值与真实值具有相同的变化趋势,可以作为后续开发的参考。本文提出的建模范式易于使用且具有通用性,通过规范化建模流程有效降低机器学习建模的难度,有利于推广机器学习方法在测井曲线生成问题中的应用。
-
单位鹏城实验室; 唐山职业技术学院; 北京大学
