基于长短期记忆神经网络补全测井曲线和混合优化XGBoost的岩性识别.docx

摘要 为克服已有岩性识别方法中存在的不足,提出一种粒子群优化算法和网格搜索法对 XGBoost 算法混合寻优的岩性识别方法。 由于某些测井曲线中存在缺失值,首先通过长短期记忆(LSTM)神经网络建立时间序列预测模型重新生成缺失的测井曲线值,为后续的岩性识别奠定基础;其次引入 XGBoost 算法构建岩性识别模型,利用粒子群优化算法确定 XGBoost 算法中浮点型超参数的最优值和整型超参数的寻优范围,在此基础上通过网格搜索法确定整型超参数的最优值,获得岩性识别模型;最后利用测试数据集对该岩性识别模型进行测试。 结果表明:与随机森林、未经优化的 XGBoost 算法、决策树、支持向量机和朴素贝叶