基于自编码器的半监督隔夹层识别方法

摘要

针对岩心标定的隔夹层数据少且隔夹层与砂岩样本分布不均衡等问题,运用深度自编码器以及半监督学习方法,通过计算异常得分,并将异常得分情况赋予分类置信度,根据分类置信度得到隔夹层的分类结果,并对模型进行更新。研究结果表明,采用更新算法的深度自编码器模型在隔夹层识别中效果明显,综合分类准确率均达到了85.00%,且相较于其他分类算法,最优模型AE7&UP的F1_(score)最高,为84.15%,说明模型的识别效果好且均衡。研究成果对重构地下流体认知体系具有重要意义。