期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
机器学习AdaBoost.M2算法在砂砾岩流体识别中的应用
被引量：
6
1
作者
陈钢花
梁莎莎
+3 位作者
王军
祗淑华
诸葛月英
刘有基
《石油地球物理勘探》
EI
CSCD
北大核心
2019年第6期1357-1362,I0013,共7页
由于砾石成分复杂、孔隙结构多样、非均质性强,流体对测井响应的影响远小于岩石骨架,导致常规测井技术识别砂砾岩中的流体比较困难。为此,提出将机器学习AdaBoost.M2算法运用于砂砾岩流体识别中。应用该算法,结合试油、试采资料,将K类...
由于砾石成分复杂、孔隙结构多样、非均质性强,流体对测井响应的影响远小于岩石骨架,导致常规测井技术识别砂砾岩中的流体比较困难。为此,提出将机器学习AdaBoost.M2算法运用于砂砾岩流体识别中。应用该算法,结合试油、试采资料,将K类多流体类型拆解为K-1个二分类问题,通过多轮迭代得到样本分布,然后调用决策树算法作为弱学习算法自动得到分类器h_t进行判别。将该方法应用于A研究区砂砾岩流体识别中,样本回判准确率为95%,测试准确率达91.5%,证明了该方法的适用性,为常规测井识别砂砾岩流体性质提供了新的方法,对油气开采具有一定的指导意义。
展开更多
关键词
机器学习
AdaBoost.M2算法
砂砾岩
流体识别
在线阅读
下载PDF
职称材料
题名
机器学习AdaBoost.M2算法在砂砾岩流体识别中的应用
被引量：
6
1
作者
陈钢花
梁莎莎
王军
祗淑华
诸葛月英
刘有基
机构
中国石油大学(华东)地球科学与
技术
学院
嘉兴市佳安燃气技术服务有限公司
中国石化胜利油田分
公司
勘探开发研究院
中国石油集团测井
有限公司
华北分
公司
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2019年第6期1357-1362,I0013,共7页
基金
国家科技重大专项“渤海湾盆地济阳坳陷致密油开发示范工程”(2017ZX05072)资助
文摘
由于砾石成分复杂、孔隙结构多样、非均质性强,流体对测井响应的影响远小于岩石骨架,导致常规测井技术识别砂砾岩中的流体比较困难。为此,提出将机器学习AdaBoost.M2算法运用于砂砾岩流体识别中。应用该算法,结合试油、试采资料,将K类多流体类型拆解为K-1个二分类问题,通过多轮迭代得到样本分布,然后调用决策树算法作为弱学习算法自动得到分类器h_t进行判别。将该方法应用于A研究区砂砾岩流体识别中,样本回判准确率为95%,测试准确率达91.5%,证明了该方法的适用性,为常规测井识别砂砾岩流体性质提供了新的方法,对油气开采具有一定的指导意义。
关键词
机器学习
AdaBoost.M2算法
砂砾岩
流体识别
Keywords
machine learning
AdaBoost.M2 algorithm
glutenite
fluid identification
分类号
P631 [天文地球—地质矿产勘探]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
机器学习AdaBoost.M2算法在砂砾岩流体识别中的应用
陈钢花
梁莎莎
王军
祗淑华
诸葛月英
刘有基
《石油地球物理勘探》
EI
CSCD
北大核心
2019
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
