基于SSA-XGBoost模型的高精度密度预测方法研究
Research on High-precision Density Prediction Method Based on SSA-XGBoost
-
作者：
李瑞
1
吴文圣
1
-
作者单位：
- 通讯作者：
吴文圣
Email:wwsheng@cup.edu.cn
-
提交时间：2024-08-17 19:28:46
摘要: 复杂岩性井段对密度测井数据精度要求很高，传统的计算模型不能很好的满足此时的高精度要求，为此提出利用机器学习密度预测模型提高密度测井曲线的精度。首先使用蒙特卡罗模拟双探测器密度测井仪器，获取不同地层的测井数据用以训练和测试机器学习模型。考虑到密度预测模型的过拟合问题和不同模型的密度补偿性能，基于SSA算法改进XGBoost、SVR、RFR和LSTM，进而提出了SSA-XGBoost、SSA-SVR、SSA-RFR和SSA-LSTM密度预测模型。然后使用量化评价指标和泰勒图模型对比分析各个模型的预测性能。此外，还分析了不同预测模型对实际密度测井数据的预测效果。结果表明SSA-XGBoost模型的预测精度高于传统脊-肋图模型和其他机器学习模型，在实际密度测井数据处理中具有广阔的应用前景。
版本历史
| [V1] |
2024-08-17 19:28:46 |
ChinaXiv:202408.00147V1
|
下载全文 |
相关信息
待评议
点击量
下载量
