| 名 称 | 基于集成测井数据的地层岩性自动识别研究数据集 |
|---|---|
| 科技资源标识 | 
CSTR:11738.11.NCDC.XDA14.DB6260.2024
|
数据共享方式 | 开放下载 |
| 摘 要 | 基于岩性识别方法的岩层智能识别方法是基于机器学习分类算法，可以对测井数据和测井图进行分类和识别，有效地学习和记忆储层中岩层的特征。该方法可以比较吸附岩体、决策树、随机森林和SVM四种算法，选择出最高的岩性识别精度。为满足识别精度、效率等要求提供重要依据，对测井数据的自动解释和计算机的地层自识别具有重要意义。 |
| 学科分类 | |
| 关键词 | |
| 作者 | 陈冬 |
| 数据量 | 47.0 MiB |
| 采集时间 | 2009-01-01 - 2013-01-01 |
| 采集地点 | 塔里木盆地 |
| 数据空间分辨率(/米) | 0.1m-10m |
ILD：Induction Logging Device SP：Spontaneous Potential CN：Neutron Logging ILM：Intermediate Logging Device GR：Gamma Ray Logging CAL：Caliper AC：Acoustic Logging DEN：Density Logging
塔里木盆地泥盆纪东河塘组测井数据
对测井数据进行集成采用机器学习方法对岩性进行自动识别
每个案例都被测试了10次，并取平均值以霞少误差。根据不同训练集体积的典型结果发现只训练总数据集的30%，准确率可以达到80%以上。此外为探讨不同测井参数对精度的影响，采用决策树算法和50%的训练比例进行了多组场景分析。通过添加测井参数的数量来测试参数对模型的影响，可以得到通过测井参数的增加，模型的准确率之间提高，最终准确率可以达到90%以上。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
