基于Stacking融合框架的随钻方位伽马预测
李娜
沈楠
段友祥
中国石油大学(华东)计算机科学与技术学院 青岛 266580
摘要：由于实时随钻传输速率等问题的影响,方位伽马信息不足,增加了后续地层分析的工作的难度.针对上述问题,提出了一种新的预测方法:通过Stacking融合模型框架建立一种随钻方位伽马预测模型,该模型以随机森林、消去树、支持向量机、K近邻、长短期记忆网络为基学习器,以GBDT为元学习器,对随钻方位伽马数据进行预测.实验表明,该方法预测效果优于样条插值及单一学习器,能够有效提升方位伽马数据预测的精度,在实际生产中有良好的应用.
关键词：随钻测井机器学习Stacking集成学习数据预测
分类号：O141.4(数理逻辑、数学基础)
资助基金：中石油重大科技项目(ZD2019-183-006)中央高校基本科研业务费专项(20CX05017A)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 589-594 )
英文信息