《表1 四种方法的性能比较》
最后,分别利用本文提出的k-means+RR方法以及MeanShift+RR方法、SVR方法、岭回归方法等进行孔隙度预测实验,并从平均绝对误差(Mean Absolute Error,MAE)、均方差(Mean Square Error,MSE)、中位数绝对偏差(Median Absolute Deviation,MADE)、确定性相关系数(R2)四个方面对比各方法的性能.MAE用于凸显异常值的情况,MSE是预测数据和实际数据对应点误差的平方和的均值,MADE是单变量数据集中样本差异性的稳健度量,R2是预测结果与实际数据的拟合情况.实验结果如图6和表1.图6a是实际的孔隙度,图6b是k-means+RR方法预测的孔隙度,图6c是MeanShift+RR方法预测的孔隙度,图6d是SVR方法预测的孔隙度,图6e是岭回归方法预测的孔隙度.可以看出,SVR、岭回归方法预测的孔隙度低值(蓝色部分)并不符合实际结果(图6d和图6e),而相控法则能较准确地预测孔隙度(图6b和图6c).从表1可知,k-means+RR方法更接近于真实值,R2达到0.90,而MSE相对比回归方法来说也更低,当消除异常点的干扰时,k-means+RR方法的MADE比SVR和RR方法小接近一半.因此可以看出k-means+RR的性能更优.
图表编号 | XD00109593700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.30 |
作者 | 段友祥、柳璠、孙歧峰、李洪强 |
绘制单位 | 中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院、中国石化集团胜利石油工程有限公司钻井工艺研究院 |
更多格式 | 高清、无水印(增值服务) |