摘要
本发明公开了一种低渗油藏恒速压汞实验代理模型的构建方法及系统,涉及恒速压汞实验模拟技术领域,本发明构建基于极限学习机ELM和鲸群优化算法WOA的元学习模型,在训练过程中,利用WOA的包围捕食行为,将ELM内隐含层的多个隐含节点模拟为种群,并根据WOA的适应值函数获取超参数配置种群的适应值,以更新恒速压汞实验代理模型各个超参数配置的参数数值;在该过程中,元学习模型通过学习小样本量的低渗油藏恒速压汞实验数据,以双交互的形式双层更新恒速压汞实验代理模型各个超参数配置的参数数值,此构建过程仅需小样本量的数据,无需预先设定参数,以提升模型预测准确性,从而构建出符合低渗油藏恒速压汞实验参数特点的恒速压汞实验代理模型。
技术关键词
超参数
Pearson相关系数
极限学习机
存储计算机程序
数值
算法
参数更新模块
数学模型
生成随机数
节点
模型误差
生成方式
构建系统
数据模块
存储器
机制
处理器
系统为您推荐了相关专利信息
关系抽取方法
样本
预训练语言模型
关系抽取模型
标签
机器学习模型
组织
超声波
非易失性计算机可读存储介质
数据
运动补偿成像
成像光谱仪
模型构建方法
扫描镜
坐标系