本发明提供一种Kmeans‑随机森林的储层评价预测方法,通过Kmeans聚类完成储层评价分类标准的快速建立,避免了人为因素的影响,使得分类建立的标准更加客观真实,再通过随机森林集成算法将数据和分类标准进行模型建立和训练,随机森林集成算法是多个决策树的预测结果结合,比单个决策数更好的泛化能力,因此使得评价结果更加准确可靠。本发明解决了储层评价标准的问题以及储层评价效率的难题,通过对影响储层好坏因素的量化,利用无监督学习算法Kmeans和监督集成学习算法随机森林相结合,提高储层评价预测效率及准确率,减少投入成本,为石油勘探开发提供有利的地质依据和理论支撑。
声明:
“Kmeans-随机森林的储层评价预测方法” 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)