简介:
简介:通过研读中央卡兹库姆铀成矿省上白垩统康帕组—马斯特里赫特组岩性—地球化学图,总结了编制该类图件的主要内容和编图方法。又谈到了编制该类图件的几点认识和体会,以及中央卡兹库姆地区铀矿床群在岩性—地球化学环境中的定位规律。
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。
科研用户信息素质教育的目的和内容
岩性—地球化学图的主要内容和编图方法讨论
基于机器学习的孔隙度预测方法研究