文章摘要:为了建立合理准确的川南五峰组—龙马溪组页岩TOC含量预测方法，以长宁、泸州等地区的测井曲线及17口井实测TOC含量数据为基础，利用主成分分析法对这些资料进行预处理，基于BP神经网络和梯度提升决策树（GBDT）方法建立2种TOC含量预测模型，并将之与传统TOC含量预测方法进行对比。结果表明：（1）2种新模型的准确度均高于传统方法，预测结果与实际值吻合度均满足要求。（2）与BP神经网络模型相比，GBDT预测精度更高，均方根误差仅0.0387。利用GBDT方法所建立的TOC含量预测模型具有低成本、高效、连续等特点，能够快速准确地预测目的层TOC含量。该成果可为提高页岩油气勘探开发效率提供有效技术支撑。

文章关键词:

论文分类号:P618.13

上一篇：林业论文_基于无人机高光谱影像和深度学习算法

下一篇：神经病学论文_复方曲肽注射液治疗急性缺血性脑