摘要
本发明涉及一种多模型集成页岩储层岩石力学参数测井预测方法,包括以下步骤:基于Pearson相关系数,计算多种机器学习基模型对页岩储层不同岩石力学参数预测的评价指标;选择所述评价指标值排名靠前的机器学习基模型,采用集成学习算法,构建岩石力学参数智能集成预测模型;利用所述岩石力学参数智能集成预测模型进行岩石力学参数测井预测。本申请可避免在预测过程中陷入局部最优点,可防止模型失去对未知数据的预测能力,可提高机器学习预测方法的泛化性能,改善模型在实际页岩储层测井生产中的适应性,提高预测结果的精度,利于解决实际生产问题。
技术关键词
岩石力学参数
测井预测方法
页岩储层
Pearson相关系数
多模型
集成学习算法
机器学习预测方法
极限学习机网络
BP神经网络预测
集成学习框架
岩石抗压强度
回归预测模型
声波时差
内摩擦角
测井曲线
指标
随机森林
元素
泊松比