基于Stacking集成學習的聲波時差測井曲線復原研究

打開文本圖片集

DOI：10.20030/j.cnki.1000?3932.202403015

摘 要 聲波時差測井曲線在石油勘探中發(fā)揮著不可或缺的作用，但是受地質(zhì)或儀器的影響，經(jīng)常會出現(xiàn)部分甚至完整的聲波測井曲線缺失的情況。針對這一問題，提出了一種基于Stacking集成學習的聲波時差測井曲線復原方法，該模型使用隨機森林（RF）、梯度提升決策樹（GBDT）、輕量梯度提升機（LightGBM）和極限梯度提升（XGBoost）作為基學習器，支持向量回歸（SVR）作為元學習器，同時采用5折交叉驗證的方法。（剩余8320字）