简介:介绍并比较了两种有监督的机器学习方法:BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。
简介:科学上的重大进展都是在突破传统观念的束缚后取得的。长期以来,人们在研究事物的形态和结构时,都是根据欧几里得几何学原理,把事物的形态的形状、空间位置用维数来描述的;如把直线看作一维,把具有长宽的物体看作二维,把具
基于机器学习的孔隙度预测方法研究
“分形”在天然气勘探开发上的应用——谁不熟悉分形,谁就不能认为是科学上的文化人(摘自一位外国学者语)