本发明提供一种用于油气智能检测的机器学习训练样本扩充及评价方法,包括:对工区数据进行分类,明确储层类型;探究目的层储层段的声速主控因素,并基于此建立岩石物理模型;明确储层的地质特征,确定模型的扰动参数,并确定扰动参数的扰动范围;确定模型扰动参数的取值范围,合理选取取值步长,生成所需要的油气样本数据;将扩充样本与实际油气样本数据分别放入神经网络中进行训练测试,给出数据驱动测试准确率和模型驱动的测试准确率;构建样本可靠性函数。该用于油气智能检测的机器学习训练样本扩充及评价方法解决了油气智能检测中,油气训练样本不足问题,通过合理扩充油气训练样本,进而获得置信度更高的油气智能检测结果。
声明:
“用于油气智能检测的机器学习训练样本扩充及评价方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)