基于自编码器的半监督隔夹层识别方法

TE122.1; 针对岩心标定的隔夹层数据少且隔夹层与砂岩样本分布不均衡等问题,运用深度自编码器以及半监督学习方法,通过计算异常得分,并将异常得分情况赋予分类置信度,根据分类置信度得到隔夹层的分类结果,并对模型进行更新.研究结果表明,采用更新算法的深度自编码器模型在隔夹层识别中效果明显,综合分类准确率均达到了 85.00％,且相较于其他分类算法,最优模型AE7&UP的F1_score最高,为84.15％,说明模型的识别效果好且均衡.研究成果对重构地下流体认知体系具有重要意义....

Full description

Saved in:
Bibliographic Details
Published in特种油气藏 Vol. 28; no. 1; pp. 86 - 91
Main Authors 陈雁, 焦世祥, 程超, 黄成, 蒋裕强
Format Journal Article
LanguageChinese
Published 西南石油大学,四川 成都 610500 2021
Subjects
隔夹层识别
深度学习
自编码器
半监督
Online AccessGet full text
ISSN1006-6535
DOI10.3969/j.issn.1006-6535.2021.01.012

Cover

More Information
Summary:TE122.1; 针对岩心标定的隔夹层数据少且隔夹层与砂岩样本分布不均衡等问题,运用深度自编码器以及半监督学习方法,通过计算异常得分,并将异常得分情况赋予分类置信度,根据分类置信度得到隔夹层的分类结果,并对模型进行更新.研究结果表明,采用更新算法的深度自编码器模型在隔夹层识别中效果明显,综合分类准确率均达到了 85.00％,且相较于其他分类算法,最优模型AE7&UP的F1_score最高,为84.15％,说明模型的识别效果好且均衡.研究成果对重构地下流体认知体系具有重要意义.
ISSN:1006-6535
DOI:10.3969/j.issn.1006-6535.2021.01.012