基于机器学习的储层泥质含量预测方法

本发明涉及基于机器学习的储层泥质含量预测方法，包括以下步骤：构建机器学习预测模型；将泥质含量的主控因素输入机器学习预测模型，对机器学习预测模型进行训练；利用训练好的机器学习预测模型对泥质含量进行预测；主控因素为Depth、SP、CNL、GR、RT、岩性。本申请采用机器学习方法对泥质含量进行预测，不仅效率高，而且提高了准确率，可为油气勘探和开发提供有利支撑；本申请建立了精度加权的动态委员会预测模型，该模型集成了BP、LightGBM、GRNN、Dilateformer四种网络结构，能进一步提升模型的预测精度，较单一模型能够更灵活地适应研究区的地质情况，提升了模型的泛化性。