简介:针对现有页岩气储集层总有机碳含量预测模型存在的模型泛化能力弱、稳定性差的问题,提出了一种利用随机森林回归算法预测储集层总有机碳含量的方法。该方法使用地球物理测井提供的密度、铀含量、钍含量、自然伽马及光电吸收截面吸收指数等测井响应值作为输入,岩芯实验总有机碳含量作为输出,通过学习输入曲线与总有机碳含量的函数关系,动态预测整口井的总有机碳含量曲线。通过对焦石坝地区两口页岩气探井建模及预测可知,当随机森林中树的数量达到500时,建立的模型即可对训练样本中输入与输出的函数关系进行完全学习。通过训练结果及预测结果可知,随机森林回归方法不易发生过拟合现象,泛化能力极强,同时预测得到的曲线更为平滑,预测总有机碳含量较其他方法更为准确,有效地提高测井信息预测总有机碳含量模型的精度,对页岩气储集层评价提供帮助。
简介:用时间序列分析方法做预报,是气象预报中的重要方法之一。气象上观测资料随时间变化大多属非平稳的。所谓非平稳时间序列,表示其统计特征量随时间变化主要有三种表现形式。一种是序列平均值Xt随时间而变,表现为它的一个现实曲线在一条水平线的上下波动大:另一种是序列标准差St随时间变化。这表现为它的一个现实的曲线的波动幅度较大;第三种表现更为复杂,序列均值Xt和标准差St同时随时间而变,这表现为它的一个现实曲线上下波动大,同时波动幅度也大。对于上述三种非平稳序列,至今没有理想的处理办法。本文介绍差分模型方法,能在一定程度上消除均值随时间的变化,而后建立差分自回归模型。效果较好。
简介:将改进的非线性技术(GA-SVM)应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法(GA)寻优的支持向量机(SVM)方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。
简介:由于近几十年来华北干旱频繁发生,给农牧业生产造成很大影响,因此,如何寻找影响华北夏季(6~8月)降水的预报因子就显得至关重要。本研究的目的就是提出气候场的主分量回归预测模型,对1951-2001年华北夏季降水的变化特征进行拟合并预报。研究发现,所选取的70个预报因子分别为高度场、海温场和海平面气压场不同区的前2个主分量,所建立的回归预报方程反映出在夏季来临的前2个月,海平面气压场的变化对华北夏季降水具有一定的影响,特别是海平面气压场的变化在一定程度上反映出ENSO的信号。研究结果也指明ENSO对华北夏季降水的影响具有阶段性,在20世纪70-80年代之间的反相关件聿芷强.
简介:灰色系统理论GM(1,1)模型,应用于地面沉降模拟和预测中只能分析数据的指数变化规律。对于地面沉降发展过程中,存在的线性关系不能有效地反映。本文利用灰色组合模型中的第一类灰色组合模型即GM(1,1)与线性回归模型相融合。选取北京东部某地面沉降监测站2004-2012年的分层监测数据建立模型,计算出各监测层位沉降的数学模型,并以此预测各监测层位地面沉降量。结果表明:利用灰色线性回归组合模型在对地面沉降进行分层模拟和预测是可行的。在已有数据的基础上,利用数学模型进行沉降模拟时,两种模型的精度均很高,但通过模型预测未来一年沉降量时,灰色线性回归组合模型的精度,要远高于普通均值GM(1,1)模型。