Aug, 2023
机器学习模型不确定性与可解释性分析：声波慢度测井重建
Uncertainty and Explainable Analysis of Machine Learning Model for
Reconstruction of Sonic Slowness Logs
TL;DR针对水平或旧井中经常缺失关键测井数据的问题，本文利用SPWLA 2020机器学习竞赛数据，使用NGBoost算法构建了一个集成学习模型，可以预测压缩波和剪切波测井数据，并提供结果的不确定性。通过对比其他常用的集成学习方法，研究结果表明NGBoost模型在测试集中表现良好，并可生成预测结果的概率分布。利用SHAP方法解释机器学习模型，发现中子孔隙度和伽玛射线对测井结果有关键影响。此外，该模型还可以捕捉钻孔径向对测井的影响，这一影响关系复杂且不易建立直接关系，这些发现与钻孔声学的物理原理相一致。