-
公开(公告)号：CN111596354B
公开(公告)日：2021-06-04
申请号：CN202010392227.0
申请日：2020-05-11
申请人： 同济大学
IPC分类号： G01V1/30
摘要： 本发明涉及一种机器学习框架下考虑空间约束的地震储层预测方法，包括以下步骤：1)构建学习样本；2)将预测区域划分为多个子区域，并为每个子区域指定训练样本权重；3)根据每个子区域对应的加权后的学习样本，采用XGBOOST算法建立并训练机器学习模型；4)采用学习后的机器学习模型分别获取每个子区域的预测结果，即每个子区域的岩性及流体类型。与现有技术相比，本发明具有考虑地质和空间约束、改善预测结果等优点。
-
公开(公告)号：CN112434878B
公开(公告)日：2022-09-20
申请号：CN202011429199.1
申请日：2020-12-09
申请人： 同济大学
摘要： 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
公开(公告)号：CN111753871B
公开(公告)日：2022-12-16
申请号：CN202010392710.9
申请日：2020-05-11
申请人： 同济大学
摘要： 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型‑弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN112434878A
公开(公告)日：2021-03-02
申请号：CN202011429199.1
申请日：2020-12-09
申请人： 同济大学
摘要： 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
公开(公告)号：CN111753871A
公开(公告)日：2020-10-09
申请号：CN202010392710.9
申请日：2020-05-11
申请人： 同济大学
摘要： 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型-弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN111596354A
公开(公告)日：2020-08-28
申请号：CN202010392227.0
申请日：2020-05-11
申请人： 同济大学
IPC分类号： G01V1/30
摘要： 本发明涉及一种机器学习框架下考虑空间约束的地震储层预测方法，包括以下步骤：1)构建学习样本；2)将预测区域划分为多个子区域，并为每个子区域指定训练样本权重；3)根据每个子区域对应的加权后的学习样本，采用XGBOOST算法建立并训练机器学习模型；4)采用学习后的机器学习模型分别获取每个子区域的预测结果，即每个子区域的岩性及流体类型。与现有技术相比，本发明具有考虑地质和空间约束、改善预测结果等优点。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.018 秒)
