期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习的CO_(2)封存致密砂岩储层孔隙度预测
1
作者 路萍 郭京哲 +9 位作者 高春云 赵军辉 张亚芹 南右泽 谭富荣 杨桂林 钟高润 李阳阳 巨浩波 焦尊生 《地球物理学进展》 CSCD 北大核心 2024年第3期1129-1140,共12页
CO_(2)地质封存技术被认为是降低大气CO_(2)浓度的有效措施,是我国实现“双碳”目标的关键技术之一.孔隙度是评价储层储集性能的关键参数,对其高精度预测是CO_(2)封存潜力评估的一项重要内容.对于CO_(2)封存致密砂岩储层而言,由于孔隙... CO_(2)地质封存技术被认为是降低大气CO_(2)浓度的有效措施,是我国实现“双碳”目标的关键技术之一.孔隙度是评价储层储集性能的关键参数,对其高精度预测是CO_(2)封存潜力评估的一项重要内容.对于CO_(2)封存致密砂岩储层而言,由于孔隙类型多样,非均质性较强,在以往储层物性评价工作中,利用已有模型和测井解释方法,预测结果与实际测试结果往往偏差很大,实际应用效果不佳.如何利用前沿的数学算法充分挖掘测井数据中隐含的物性信息,建立预测精度较高泛化性能较强的孔隙度模型是致密砂岩储层精细勘探高效开发的关键,更是二氧化碳地质封存潜力评估的关键.本文基于机器学习主成分回归(PCR)、高斯过程回归法(GPR)、随机森林(RF)、支持向量机(SVM)、BP神经网络(BP-ANN)以及极致提升算法(XGBoost)构建致密砂岩储层孔隙度预测模型,经综合对比发现,基于XGBoost的孔隙度预测模型预测精度最高、泛化性能最强,该方法为CO_(2)地质封存致密砂岩储层孔隙度预测模型的构建提供新的思路. 展开更多
关键词 CO_(2)地质封存 致密砂岩储层 孔隙度模型 机器学习 XGBoost
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部