.png){kind=icon}
返回
An automatic classification method for igneous rock fractures based on an interpretable ensemble machine learning model
.png){kind=icon}
PRE
AI
DOI：10.1007/s11600-026-01816-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
裂缝在控制火成岩潜山油气系统中的储层质量和流体流动能力方面发挥着关键作用。因此，对这类裂缝进行准确识别和评价对于高效油气勘探开发至关重要。在惠州油田，火成岩潜山内的裂缝空间分布高度随机，使得可靠的裂缝预测尤为困难。为解决这一问题，采用了涉及岩心观察、薄片分析和成像测井（FMI）的多学科方法。基于地质和测井数据的综合分析，对研究区的裂缝类型进行了系统表征。为提高分类精度，提出了一种基于Stacking集成学习算法的裂缝类型判别模型。在该框架中，首先将KNN、随机森林、XGBoost、SVM和LightGBM五种机器学习算法作为基学习器实施。采用五折交叉验证和PSO确定最优参数集。使用精确率、召回率、F1分数和AUC四种标准指标评估模型性能。最终集成模型以随机森林、XGBoost、SVM和KNN作为第一层学习器，LightGBM作为元学习器构建。结果表明，Stacking模型在所有评价指标上均优于所有单个分类器，达到88.2%的识别准确率。该方法为裂缝检测和分类提供了稳健的解决方案，尤其在成像测井数据缺失的情况下。
Keyword:
Igneous rocks
Explainable machine learning
Fracture identification
Stacking ensemble model
期刊
A
IF:
2.1
论文数:
206
被引数:
0
机构
暂无机构信息
引用论文
Salt dome identification using incremental semi-supervised learning and unsupervised learning-based label generation基于增量半监督学习和基于无监督学习的标签生成的盐丘识别
PREAI
分享收藏Automatic identification of rock fractures based on deep learning基于深度学习的岩石裂缝自动识别.png)
ENGINEERING GEOLOGY
ENGINEERING GEOLOGYIF8.4
PREAI
分享收藏EILnet: An intelligent model for the segmentation of multiple fracture types in karst carbonate reservoirs using electrical image logsEILnet：一种基于电成像测井进行喀斯特碳酸盐岩储层多类型裂缝分割的智能模型
OAAI
OAAI分享收藏Characterization of natural fracture development in coal reservoirs using logging machine learning inversion, well test data and simulated geostress analysesENGINEERING GEOLOGY
ENGINEERING GEOLOGYIF8.4
PREAI
分享收藏A review on the applications of image logs in structural analysis and sedimentary characterization
PREAI
分享收藏分享收藏Carbon capture and storage in the coastal region of China between Shanghai and HainanENERGY
ENERGYIF9.4
PREAI
分享收藏
查看更多内容