基于随机森林回归算法预测孔隙度的研究

作者：崔学慧; 刘长江; 薛亮; 刘艳丽

来源：西部探矿工程, 2019, 31(11): 99-105.

• 随机森林
• 支持向量
• 回归
• 交叉验证
• 孔隙度

对于地层物性参数——孔隙度预测问题的研究,目前采用的常规方法,如线性回归、支持向量回归等方法存在预测精度不高的问题,难以准确预测孔隙度的值。核磁实验得出的结果精度高,而进行地层核磁实验的成本较高,所以越来越多的研究人员致力于寻找经济、高效的预测孔隙度方法。因此,以辽河油田某区块相邻三口井X32、X41和X46的测井曲线的声波时差(AC)、自然电位(SP)、自然伽马(GA)以及地层真电阻率(RT)为指标,采用交叉验证法建立非线性模型,提出应用随机森林回归算法预测孔隙度,并利用R语言进行编程实现,经计算随机森林回归算法的绝对误差大约为0.24,同时,也使用支持向量回归和线性回归算法进行预测,误差分别为0.27和1.03。结果表明随机森林回归算法较传统线性回归方法预测精度较高,与支持向量回归算法一样有较强的泛化能力,算法稳定性更好,为孔隙度预测提供了一种新方法。