《表2 各算法预测效果对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法》
由图6可以看出,3种算法中,基于岭回归的集成学习算法的R2最高,达0.928。同时为探究K均值聚类降噪效果,将样本数据馈送于基于岭回归的集成学习算法中进行训练和测试,并与先前计算结果进行综合对比(表2),发现4组方法中K均值-基于岭回归的集成学习算法的RMSE最小,R2最大。即该算法的预测裂缝开度值与真实裂缝开度值之间的偏差最小,支持向量回归算法的RMSE最大,R2最小。K均值聚类算法能够对学习样本进行有效降噪,去除冗余,提高了学习样本的质量。
图表编号 | XD00177065300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 孙致学、姜宝胜、肖康、李吉康 |
绘制单位 | 中国石油大学(华东)石油工程学院、非常规油气开发教育部重点实验室中国石油大学(华东)、中国石油大学(华东)石油工程学院、中国石油勘探开发研究院非洲研究所、中国石油大学(华东)石油工程学院 |
更多格式 | 高清、无水印(增值服务) |