基于机器学习的孔隙度预测方法研究

作者：甘宇,何沂,逯宇佳,吕雪松

摘要：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。

发文机构：成都理工大学地球物理学院

关键词：孔隙度预测机器学习监督学习BP神经网络决策树porosity predictionmachine learningsupervised learningBP neural network and decision tree

分类号： TE122.1[石油与天然气工程—油气勘探]