《表2 玛北油田6号井不同算法岩性预测结果比较》

  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Boosting Tree算法的测井岩性识别模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文共使用研究区6口井对应目的层段的4 850个测井数据，每个测井数据的采样深度间隔为0.125m。将1~5号井的4 106个测井数据作为训练集用于训练岩性识别模型，训练集中泥岩、含砾粗砂岩、灰色砂砾岩、褐色砂砾岩的样本比例分别为32.7%、5.9%、38.4%、23.0%（见表1）。将岩性齐全的6号井的744个测井数据作为测试集以验证Boosting Tree算法的岩性识别效果，同时将其结果与使用决策树、支持向量机算法的岩性识别结果进行比较，结果见表2和表3。