申请/专利权人:常州大学
申请日:2023-05-15
公开(公告)日:2023-09-26
公开(公告)号:CN116805063A
主分类号:G06F18/243
分类号:G06F18/243;G01V9/00;G06N3/006;G06N5/01;G06N20/20;E21B49/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.10.17#实质审查的生效;2023.09.26#公开
摘要:本发明公开了一种基于特征贡献度和PSO‑Catboost的岩性识别方法,其特征在于,包括:收集已钻井的测井和录井的数据;对不同岩性定义不同的数字标签,并将样本数据划分为训练集和测试集,设置PSO算法的运行迭代次数和粒子数量参数;利用PSO算法优化随机森林算法;将优选后的特征输入到Catboost模型中,再通过PSO算法对Catboost模型的超参数进行自动优化,得到岩性识别效果最优的模型。本发明将catboost模型应用在岩性识别领域,相比传统基于决策树的集成模型,提出了排序提升策略来解决梯度提升决策树中存在的梯度偏差和预测偏移问题。同时,采用对称树为基学习器来提高模型的泛化能力和预测速度。
主权项:1.一种基于特征贡献度和PSO-Catboost的岩性识别方法,其特征在于,包括:收集已钻井的测井和录井的数据,通过箱形图准确稳定地描绘出数据的离散分布情况的统计图,并对异常值进行剔除;对不同岩性定义不同的数字标签,并将样本数据划分为训练集和测试集,设置PSO算法的运行迭代次数和粒子数量参数;利用PSO算法优化随机森林算法,当随机森林的识别准确率不再提高时,输出优选后的特征;将优选后的特征输入到Catboost模型中,再通过PSO算法对Catboost模型的超参数进行自动优化,得到岩性识别效果最优的模型。
全文数据:
权利要求:
百度查询: 常州大学 一种基于特征贡献度和PSO-Catboost的岩性识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。