《表3 主成分分析:利用卷积神经网络模型预测致密储层微观孔隙结构》
主成分分析和因子分析是高维数据降维的两种常用方法,将两种方法用于孔隙结构参数的压缩,解决共性线问题。表3是主成分分析的结果,第一列是提取的主成分,第二列每个主成分对应的特征值,其大小表示包含原始变量各主成分的能力,第三列和第四列表示每个主成分的贡献率及累计贡献率。从表中可以看出,前3个主成分包含原始数据90%以上的信息,提取前3个主成分可达到数据压缩的效果。由主分析分析的碎石图(图1)的结果也可以看到,前3个主成分所对应的平台陡峭,包含原始数据的大部分信息。
图表编号 | XD00138296300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 廖广志、李远征、肖立志、秦志军、胡向阳、胡法龙 |
绘制单位 | 中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)教育部非常规油气国际合作联合实验室、中国石油大学(北京)地球探测与信息技术北京市重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)教育部非常规油气国际合作联合实验室、中国石油大学(北京)地球探测与信息技术北京市重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)教育部非常规油气国际合作联合实验室、中国石油大学(北京)地球探测与信息技术北京市重点实验室、中国石油新疆油田勘探开发 |
更多格式 | 高清、无水印(增值服务) |