基于机器学习的铀储层渗透系数预测.pdf
《基于机器学习的铀储层渗透系数预测.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的铀储层渗透系数预测.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 69 卷增刊 1Vol.69Supp.12023 年6 月Jun.,2023地质论评GEOLOGICALREVIEW530基于机器学习的铀储层渗透系数预测刘富强,王守玉,王毛毛核工业二一六大队,乌鲁木齐,830011注:本文为中国核工业地质局“新疆伊犁盆地及周边地区砂岩型铀矿资源调查评价与勘查”资助项目(编号:202205)的成果。收稿日期:2023-04-10;改回日期:2023-04-30;责任编辑:刘志强。DOI:10.16509/j.georeview.2023.s1.235作者简介:刘富强,男,1988 年生,硕士,高级工程师,长期从事砂岩型铀矿勘查工作;Email:。关键词:关
2、键词:机器学习;渗透系数预测;铀储层在地浸砂岩型铀矿勘查过程中,铀储层渗透系数既是影响地下水渗流方向和溶质运移的重要因素,也是评价地浸开采有效性的重要指标,而铀储层渗透系数预测及其空间分布特征是铀矿勘查最为困难的问题之一(刘富强,2002)。机器学习算法在各领域得到了广泛应用,将机器学习算法引入到铀矿地质勘查中能够快速有效地解决测井数据与铀储层渗透系数之间复杂的非线性问题。文章采用随机森林回归算法、支持向量机回归算法预测洪海沟铀矿床铀储层渗透系数,并将其与非线性回归预测结果进行对比评价,结果表明,机器学习算法具有泛化能力强、操作简单的特点。该方法预测出的铀储层渗透系数空间展布方向与地下水渗流方
3、向一致,并密切影响层间氧化带及铀矿化的发育,具有一定的推广意义和经济价值。1机器学习算法概述机器学习是利用计算机技术从海量不确定性的历史数据中挖掘有意义的变化规律,主要用来解决分类和回归问题,通过建立机器学习模式,不断改进算法提高准确度,进而识别新的数据或预测未知数据。19 世纪 50 年代机器学习概念被提出,1980年举行的第一届机器学习研讨会掀起了机器学习研究的热潮。2000 年以后,随着机器学习技术及计算机硬、软件的蓬勃发展,机器学习在各行各业得到了广泛应用。机器学习通过“训练样本”得到效果较好的“学习模型”,并能很好地适用于“新样本”。通常情况下,“训练样本”越多,能得到的关于样本集的
4、规律信息就越多,随着训练任务的不断执行与经验的累积,获得泛化能力强的“学习模型”可能性越大(程超,2022)。随着各领域学者对机器学习研究的不断深入,也给铀矿勘查中测井精细化评价带来了更加广阔的发展和应用前景,比如神经网络算法(金永吉,2021)、支持向量机算法(牟丹,2015)、朴素贝叶斯算法、随机森林算法(赵峦啸,2021)等,它们将测井评价过程转化为机器学习过程,相较于线性数学模型,能够有效解决测井评价中复杂的非均质性问题。然而,机器学习算法众多,每类算法都有其适用条件和优缺点,应根据具体的地质问题选取合适的机器学习算法,以期达到较好的预测效果。2机器学习算法应用2.1地质概况伊犁盆地南
5、缘是我国砂岩型铀矿产出地,近年新发现的洪海沟铀矿床位于伊犁盆地南缘斜坡带西部构造简单的相对稳定区洪海沟微凹,主要含矿层自上而下有头屯河组、西山窑组上段、西山窑组下段及八道湾组,含矿岩性以细砂岩、中粗砂岩为主,为典型层间氧化带砂岩型铀矿床。2.2机器学习模型构建2.2.1随机森林算法随机森林算法以统计学理论为基础,首先用重抽样方法(Bootstrap)有放回地从原始样本中抽取多个样本;其次,以决策树为基学习器对每个样本建模,并对所有预测结果进行组合;最后,分别使用投票和平均的方法给出分类问题和回归问题的预测结果。随机森林算法是决策树的扩展运算,众多的决策树组合成了随机森林,即将若干非线性关系组合
6、成一个更加复杂的非线性关系。2.2.2支持向量机算法支持向量机是基于统计学习理论基本思想实现的,对于一个给定的具有有限数量训练样本的学地质论评 2023 年 69 卷 增刊 1531习任务,在准确性和机器容量之间进行折衷,得到最佳的泛化能力。支持向量机最早是用来处理分类问题的,即支持向量分类机,其特点是泛化性能强并且可以得到全局最优解。随着研究的进展,支持向量机逐渐由解决分类问题转向回归问题。支持向量回归机解决非线性问题时,首先使用一个非线性映射把数据映射到一个高维特征空间,然后在高维特征空间进行线性回归。由于在优化过程中只考虑到高维特征空间中的内积运算,因此引用核函数来实现非线性回归。2.3
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 铀储层 渗透 系数 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。