摘要
本发明涉及基于领域自适应与生成对抗的页岩气含量预测方法,基于生成对抗网络,融合领域自适应提升模型的泛化能力。采用决策树算法针对模型的异常值以及缺失值做处理,保证数据的完善性。并利用格兰杰因果检验选取与所需预测的吸附气与游离气相关性最高的五种指标。针对本文研究问题,构建含注意力机制的特征提取网络,并且摒弃生成对抗网络的标签分类部分改为回归预测网络,同时加入梯度反转层优化域分类的损失函数,并且通过领域自适应构建拉近已知工区与未知工区的分布特征,提升模型的泛化能力,该模型可以推广用于针对未开发工区的页岩吸附气与游离气进行预测并对游吸比做评估,具有广泛的应用价值。
技术关键词
页岩气含量
生成对抗网络
特征提取网络
CART算法
损失函数设计
分布特征
多头注意力机制
分类器设计
损失函数优化
数据
前馈神经网络
决策树算法
线性
声波时差
测井资料
残差网络
矩阵
系统为您推荐了相关专利信息
图像分割方法
盾构隧道
实例分割模型
星形结构
卷积模块
语义分割网络
图像语义分割方法
非结构化地形
注意力机制
上采样
动作预测模型
多模态特征
智能手表数据
训练特征
序列
分辨率方法
生成对抗网络模型
Sobel边缘检测
影像
模糊技术
生成对抗网络模型
音视频播放系统
数据
直播交互方法
生成方法