一种基于改进Stacking集成学习的储层厚度预测方法

本发明公开了一种基于改进Stacking集成学习的储层厚度预测方法，包括如下步骤：获取多种地震属性及井点储层厚度，经处理及属性优选后组合成样本数据，将样本数据划分为训练集和测试集；将所述训练集输入Stacking集成学习基学习器中进行五折交叉验证以及超参数优化，使用训练好的基学习器对测试集进行预测，得到基学习器预测结果；将所述基学习器预测结果与训练集组合后输入Stacking集成学习元学习器中进行超参数优化，把多属性数据输入训练好的元学习器进行预测得到最终的储层厚度预测结果。本发明通过Stacking集成学习、基学习器预测结果与原训练集融合以及贝叶斯优化算法，提高了储层厚度预测模型的泛化性能、预测精度和超参数优化效率。