基于数据驱动和机理模型融合的含油饱和度预测方法

本发明涉及基于数据驱动和机理模型融合的含油饱和度预测方法，包括以下步骤：将机理模型计算出部分井段的含油饱和度值以及对应深度点影响含油饱和度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含油饱和度进行预测；影响含油饱和度的主控因素为深电阻率、声波时差、地层密度、补偿中子、冲洗带电阻率、孔隙度。本申请构建的动态委员会集成模型，能够高效准确地预测含油饱和度，可为油气勘探和开发提供有利支撑；并且该模型能根据不同的地质条件和数据特征，动态调整各模型的权重，能提升模型的预测精度和泛化性。