基于测井数据的砂岩型铀矿异常识别随机森林算法应用

发布时间：2024-01-15 20:52

　　为了快速有效的获取砂岩型铀矿矿区铀矿异常的分布信息,矿区岩性分布的基础资料,本文以砂岩型铀矿异常和不同岩性类别的地球物理测井响应特征为理论依据,利用集成机器学习方法—随机森林算法的非线性映射能力、决策分类能力,以已知铀矿异常信息和岩性录井定名的特征信息为训练样本,针对研究区构建基于随机森林算法的铀矿异常识别和岩性分类模型。对松辽盆地大庆长垣南端某铀矿矿区铀矿钻孔测井数据进行异常层和矿化层的识别提取以及岩性的分类识别,并将随机森林算法的识别结果与已知矿化层的特征信息进行验证分析。为了解决超参数的影响问题,采用遍历寻优的思路对随机森林算法的超参数进行筛选,利用最优算法参数组合进行分类识别。结果表明:在岩性识别中,随机森林决策树棵数为563棵,决策树节点个数为3个时,算法结构最优,识别准确率最高。训练样本的训练数据袋外误差验证准确率为93.39%,预测样本的预测准确率为93.31%。通过对比分析,随机森林算法的预测准确率优于支持向量机方法和BP神经网络方法,研究区内9口钻孔的预测准确率平均可达92.25%。根据随机森林算法的参数重要性分析:电阻率和自然电位对研究区岩性分类的贡献更大,密度和放...

【文章页数】：86 页

【学位级别】：硕士

本文编号：3878831