本发明公开了基于全岩化学数据的花岗岩热导率极限提升梯度预测方法,涉及地热资源开采技术领域。本发明包括以下步骤:S1:从实验室花岗岩热导率和全岩化学测试数据中提取用于训练模型的样本数据;S2:对数据进行预处理;S3:基于极限梯度提升的机器学习算法,训练预测模型;S4:利用模型评价指标,评估预测模型的性能,优选预测模型并保存;S5:利用保存的预测模型,实现对新数据热导率的预测。本发明结合机器学习极限梯度提升算法,建立了利用花岗岩岩屑全岩化学数据对热导率的回归模型,实现了对花岗岩岩屑热导率的快速和精准预测,降低了时间和经济成本,解决了现有的花岗岩岩屑热导率预测方法用量大,时间和经济成本高误差大的问题。
声明:
“基于全岩化学数据的花岗岩热导率极限提升梯度预测方法” 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)