本發明提供一種Kmeans?隨機森林的儲層評價預測方法,通過Kmeans聚類完成儲層評價分類標準的快速建立,避免了人為因素的影響,使得分類建立的標準更加客觀真實,再通過隨機森林集成算法將數據和分類標準進行模型建立和訓練,隨機森林集成算法是多個決策樹的預測結果結合,比單個決策數更好的泛化能力,因此使得評價結果更加準確可靠。本發明解決了儲層評價標準的問題以及儲層評價效率的難題,通過對影響儲層好壞因素的量化,利用無監督學習算法Kmeans和監督集成學習算法隨機森林相結合,提高儲層評價預測效率及準確率,減少投入成本,為石油勘探開發提供有利的地質依據和理論支撐。
聲明:
“Kmeans-隨機森林的儲層評價預測方法” 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,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)