基于选择性集成学习的孔隙度预测方法

摘要

本发明提出了一种基于选择性集成学习的孔隙度预测方法。该方法在研究分析典型机器学习方法的基础上，通过“主成分方法分析”法从支持向量机、径向基(radical basis function,RBF)神经网络、随机森林、岭回归和K近邻回归等经典模型中选择出一组表现优异的个体学习模型组成集成学习模型，个体在集成模型中的权重由“主成分权重平均”法获得，最终采用加权平均法得到集成学习模型的输出。该模型简称PCA‑SEN模型。PCA‑SEN模型克服了单一模型存在的不足，模型的泛化能力强。通过该方法对储层孔隙度进行预测，以期得到更准确的预测结果。