基于机器学习结合测井识别煤岩类型的方法、系统及产品

本发明公开了一种基于机器学习结合测井识别煤岩类型的方法、系统及产品，通过系统采集岩心数据与测井数据，包括宏观煤岩类型、自然伽马(GR，API)、电阻率(RT，Ω·m)、声波时差(AC，μs/m)、和密度(DEN，g/cm3)。首先，采用3‑Sigma(3σ)准则对原始数据进行异常值剔除，以确保数据质量。随后，基于预处理后的测井数据，分别利用K近邻(KNN)、支持向量机(SVM)和决策树(DT)三种分类算法构建预测模型，并通过集成学习的投票机制融合各模型的预测结果，以获得最终识别结果。此外，本发明通过设置迭代次数和预测精度阈值，实现了对宏观煤岩类型的高精度预测，为煤层气勘探开发提供了可靠的技术支撑。