申请/专利权人：青岛海洋地质研究所

申请日：2023-02-23

公开（公告）日：2024-06-18

公开（公告）号：CN116305850B

主分类号：G06F30/20

分类号：G06F30/20;G06N3/006;G06T17/05

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开一种基于随机森林模型的地层热导率预测方法，包括获取研究区域测井数据及岩心数据，对测井数据进行预处理，利用随机森林模型，以优选的测井参数和实测热导率数据为输入条件，采用机器学习的方法训练模型构建热导率预测模型，最后将待预测的连续且完整的测井数据输入训练完成的热导率预测模型进行预测，将所有决策树的预测结果取均值则为最终预测的地层岩石热导率；本方案方法有效的解决传统的热导率垂向模型建立需要依赖实物岩心、实测值不连续及成本高等一系列缺点，该方法在各类地层热导率预测方面具有很强的适应性，有较高的推广应用前景和实用价值。

主权项：1.一种基于随机森林模型的地层热导率预测方法，其特征在于，包括以下步骤：步骤A：获取测井数据及岩心数据；所述测井数据包括浅侧向电阻率、补偿中子、密度、自然伽马、自然电位和声波时差，以及垂直地震剖面测井中的纵波速度参数；所述岩心数据为实测岩石热导率数据；步骤B：对测井数据进行预处理，以消除测井曲线中短周期、随机的锯齿干扰异常，并对测井数据进行均一化处理；步骤C、构建随机森林模型，并基于岩心数据和处理后的测井数据对随机森林模型进行训练和测试，构建热导率预测模型；所述随机森林模型以决策树为基础，从原始训练集S中有放回的随机抽取N个新的数据集，生成N棵决策树，形成随机森林，最终预测结果为所有决策树预测结果的均值，其训练过程如下：（1）将浅侧向电阻率、补偿中子、密度、自然伽马、自然电位和声波时差测井参数，以及垂直地震剖面测井中的纵波速度参数作为输入参数，以及实测岩石热导率作为输出参数，输入随机森林模型中；（2）调整随机森林模型的超参数范围，包括：每棵决策树的深度、决策树个数，每棵决策树使用的变量占比以及叶子的最小拆分样本量；（3）开始训练模型，将浅侧向电阻率、补偿中子、密度、自然伽马、自然电位和声波时差测井参数，以及垂直地震剖面测井中的纵波速度参数以及岩石热导率作为原始训练集S，在原始训练集S中应用bootstrap法有放回的随机抽取数据集，随机产生N个训练子集DN，并建立对应的N棵决策树；将输入变量中的浅侧向电阻率、补偿中子、密度、自然伽马、自然电位和声波时差测井参数，以及VSP测井中的P波速度参数作为原始特征，从原始特征中随机抽取M个特征，作为节点的分裂特征集；（4）依据均方误差选取最优特征，使得决策树根据最优特征进行判断，使决策树不断生长，靠近最优的结果，中间过程不进行剪枝；（5）采用随机森林回归模型进行训练，将调优的不同种类的超参数组成网格，网格中的每组产参数进行多次的交叉验证，寻找最优参数，获取最佳模型，即完成热导率预测模型构建；步骤D、将待预测的连续且完整的测井数据输入热导率预测模型进行预测，将所有决策树的预测结果取均值作为最终的地层岩石热导率。

全文数据：

权利要求：

百度查询： 青岛海洋地质研究所 一种基于随机森林模型的地层热导率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD