一种Kmeans-随机森林的储层评价预测方法

摘要

本发明提供一种Kmeans‑随机森林的储层评价预测方法，通过Kmeans聚类完成储层评价分类标准的快速建立，避免了人为因素的影响，使得分类建立的标准更加客观真实，再通过随机森林集成算法将数据和分类标准进行模型建立和训练，随机森林集成算法是多个决策树的预测结果结合，比单个决策数更好的泛化能力，因此使得评价结果更加准确可靠。本发明解决了储层评价标准的问题以及储层评价效率的难题，通过对影响储层好坏因素的量化，利用无监督学习算法Kmeans和监督集成学习算法随机森林相结合，提高储层评价预测效率及准确率，减少投入成本，为石油勘探开发提供有利的地质依据和理论支撑。