摘要
本申请属于数据处理领域,提供了一种砂岩型铀矿含矿层岩石岩性的智能识别方法,包括:建立随机森林回归模型和XGBoost模型;获取测井曲线样本集和岩性数据,将所述测井曲线样本集分为原始数据和验证集,生成第一训练集和第一测试集;训练得到验证合格的随机森林回归模型;基于验证合格的随机森林回归模型,得到填充数据;基于所述原始数据、填充数据和岩性数据,训练得到测试合格的第二XGBoost模型和第三XGBoost模型;基于测试合格的第二XGBoost模型和第三XGBoost模型,获得识别后铀矿床含矿层岩性。本申请识别的岩性更符合实质地质情况,精度更高,减少了因GR测井数据异常而导致的岩性误判。
技术关键词
XGBoost模型
测井曲线
随机森林
智能识别方法
砂岩型铀矿
伽马测井
训练集
数据
样本
贝叶斯算法
标签
节点
超参数
指标
特征数
误差
系统为您推荐了相关专利信息
洪水预报方法
流域水文模型
随机森林模型
径流
统计降尺度
高精度反演方法
土壤有机碳含量
斑块
特征选择方法
机器学习模型
围岩大变形
分级预测方法
硬岩隧道
现场监测数据
神经网络预测模型
岩溶管道
同位素示踪
地下水
识别方法
空间分布特征
新能源场站
寻优方法
Stacking模型
sigmoid函数
功率