页岩气储层预测的多标签主动学习算法

• 作者: 汪敏 冯婷婷 闵帆 唐洪明 闫建平 廖纪佳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多标签学习 主动学习 多标准优化 查询 甜点预测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 前沿与综合应用|Frontier and comprehensive applications
• 页码范围: 646-654
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021041023

摘要

针对页岩气储层数据获取困难、标签稀缺、标注成本高昂的问题,提出一种多标准主动查询的多标签学习(MAML)算法.首先,考虑样本的信息性和代表性来对样本进行初步处理;其次,加入包括属性差异性和标签丰富性的样本丰富性约束,在此基础上选择有价值的样本进行标签查询;最后,利用多标签学习算法来预测剩余样本的标签.通过11个Yahoo数据集上的实验,将MAML算法与流行的多标签学习算法和主动学习算法进行比较,验证了MAML算法的优越性.然后将实验扩展到4个真实的页岩气测井数据集.在该实验中,与多标签学习算法:基于K最近邻的多标签(ML-KNN)学习方法、多标签学习的反向传播(BP-MLL)算法、具有全局和局部标签相关性的多标签学习方法(GLOCAL)和通过查询信息性和代表性样本的主动学习(QUIRE)方法相比,MAML算法在页岩气储层综合品质预测精度均值上分别提升了45个百分点、68个百分点、68个百分点和51个百分点.实验结果充分验证了MAML算法在页岩气储层甜点预测领域的实用性和优越性.