摘要
本发明公开一种基于深度学习的地质力学参数预测方法,涉及地质勘测领域,方法包括:获取待测区域的学习集;待测区域的学习集包括待测区域内每个位置的物理学参数;根据待测区域的学习集,采用力学参数预测模型,预测待测区域内每个位置的力学参数,得到待测区域的预测集;力学参数预测模型预先采用训练样本集对机器学习网络进行训练得到;训练样本集中包括多组已知的物理学参数及对应的力学参数;根据待测区域的学习集及预测集,建立待测区域的三维空间参数展布模型。本发明基于机器学习构建力学参数预测模型,适用于复杂页岩地层力学参数的预测,能够精细刻画三维力学参数空间展布特征。
技术关键词
地质力学参数
支持向量机回归
三维地质建模
测井
线性回归算法
展布特征
页岩地层
随机森林
泊松比
网络
数据
连续性
节点
应力
密度
系统为您推荐了相关专利信息
分布预测方法
数学模型
高频红外碳硫仪
油气勘探开发技术
有机质
电极驱动机构
电导率仪
自动校准装置
线性回归算法
标准溶液