申请/专利权人：北京珠玛阳光科技有限公司

申请日：2021-11-05

公开（公告）日：2024-03-08

公开（公告）号：CN114063162B

主分类号：G01V1/30

分类号：G01V1/30;G01V1/40;G06F18/213;G06F18/241;G06N20/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2022.03.25#实质审查的生效;2022.02.18#公开

摘要：本发明公开了在机器学习与地球物理预测交叉领域一种基于小样本机器学习SVMVpVs预测方法。该方法首先利用至少1口井的波阻抗Ip和Vp曲线数据，以及标签数据VpVs需要有偶极子声波资料进行迭代训练小样本机器学习SVM模型并达到要求的精度。然后再将这个训练好的SVMVpVs预测模型应用于其它无偶极子声波井VpVs预测。使用本发明的方法能够对无偶极子声波资料井开展VpVs曲线预测，而且快速简便，工作效率较传统方法提高10倍以上。本发明方法尤其适用于钻井较少的地区。

主权项：1.一种基于小样本机器学习SVMVpVs预测方法，其特征在于使用至少1口井Ip和Vp曲线数据，以及标签数据VpVs进行迭代训练小样本机器学习SVM模型达到85％以上准确率；再将这个SVMVpVs预测模型应用于其它无偶极子声波井VpVs预测，从而实现在勘探或评价阶段无偶极子声波井VpVs曲线预测；其实现步骤如下：步骤一、收集常规测井波阻抗Ip曲线、纵波速度曲线Vp，以及偶极子声波测井Vs曲线至少1口井；步骤二、对Ip和Vp曲线开展归一化处理，使其归一化为-1到1或0到1范围；步骤三、确定训练集数据层段和测试集数据层段相当于验证层段；步骤四、利用训练集的Ip和Vp曲线数据，以及标签数据VpVs进行迭代训练小样本机器学习SVM模型；调整关键参数如Cost惩罚系数、核函数Gamma值和epsilon值，使其精度达到要求，如训练集和测试集准确率85％以上，测试集准确率允许稍低于训练集准确率；步骤五、将步骤四训练好的SVM模型应用于其它无偶极子声波井VpVs预测。

全文数据：

权利要求：

百度查询： 北京珠玛阳光科技有限公司 一种基于小样本机器学习SVM Vp/Vs预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD