本發(fā)明提供一種用于油氣智能檢測的機器學習訓練樣本擴充及評價方法,包括:對工區(qū)數(shù)據(jù)進行分類,明確儲層類型;探究目的層儲層段的聲速主控因素,并基于此建立巖石物理模型;明確儲層的地質特征,確定模型的擾動參數(shù),并確定擾動參數(shù)的擾動范圍;確定模型擾動參數(shù)的取值范圍,合理選取取值步長,生成所需要的油氣樣本數(shù)據(jù);將擴充樣本與實際油氣樣本數(shù)據(jù)分別放入神經(jīng)網(wǎng)絡中進行訓練測試,給出數(shù)據(jù)驅動測試準確率和模型驅動的測試準確率;構建樣本可靠性函數(shù)。該用于油氣智能檢測的機器學習訓練樣本擴充及評價方法解決了油氣智能檢測中,油氣訓練樣本不足問題,通過合理擴充油氣訓練樣本,進而獲得置信度更高的油氣智能檢測結果。
聲明:
“用于油氣智能檢測的機器學習訓練樣本擴充及評價方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)