摘要
为了解决传统的TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出一种TOC含量的智能预测方法。建立测井参数优选的SVM-RFE模型,对测井曲线进行测井参数筛选,最后利用优选后的数据,通过SVR模型进行预测。
引文
[1]杜文凤,等.煤系烃源岩有机碳含量测井响应特征与定量预测模型[J].煤炭学报,2016,41(4):954-963.
[2]闫建平,等.运用测井信息研究烃源岩进展及其资源评价意义[J].地球物理学进展,2009,24(1):270-279.
[3]李延钧,等.页岩有机碳含量测井评价方法及其应用[J].天然气地球科学,2013,24(1):169-175.
[4]王濡岳,等.页岩气储层地球物理测井评价研究现状[J].地球物理学进展,2015,30(1):228-241.
[5]Vapnik V N. The nature of statistical learning theory[M]. New York:Springer Verlag,1995.
[6]Isabelle Guyon,Jason,Weston,Stephen Barnhill.Gene Selection for Cancer Classification using Support Vector Machines[J]. Machine Learning,46(1-3):389-422.